XML編碼utf-8有中文無法解析或亂碼 C#

 

XML的encoding="UTF-8" ，含有中文的話（部分）會出現亂碼。

 

網上還是很多這類問題跟解決辦法的。

 

表現為用ie或者infopath之類的xml軟件打不開這個xml，txt打開有時正常有時亂碼。

 

 

 

當然C#也是無法解析的。

 

但是用ultraedit打開正常顯示，用ultraedit保存為utf8后xml就一切正常了。

 

查詢發現是bom的原因。

 

什么是BOM呢？

BOM：Byte Order Mark，中文名字節順序標記。UCS規范建議在傳輸字節流前，先傳輸BOM來判斷字節順序。其實UTF-8是不需要用BOM來表明字節順序的，但是可以用BOM來表明編碼方式。BOM的UTF-8編碼是EF BB BF，所以呢，如果接受者收到EF BB BF開頭的字節流，就說明它是UTF-8編碼了。

由此可見，對於UTF-8來說，BOM是可有可無的，可是，有的XML解析方式不認這個BOM，所以就報錯了。

 

解決辦法如下，強制把xml文本保存為utf8格式就好了

 

                                XmlDocument doc = new XmlDocument();
                                
                                string xmlString = ReadContext(tmpDir + "\\" + xml);

                                try
                                {
                                    doc.LoadXml(xmlString);
                                }
                                catch (Exception e)
                                {
                                    log.ErrorFormat(string.Format("Xml無法解析，名稱：{1}, 格式錯誤，錯誤原因：{0}", e.Message, xml));
                                    continue;
                                }

ReadContext函數是把xml里的內容作為文本讀出來，注意編碼很重要，不能用default

System.Text.Encoding.UTF8

private static string ReadContext(string path)
        {
            FileStream fs = new FileStream(path, FileMode.Open);
            StreamReader sr = new StreamReader(fs,System.Text.Encoding.UTF8); 

            string context = sr.ReadToEnd(); 
　　　　　　　fs.Close(); 
　　　　　　　sr.Close(); 
　　　　　　　sr.Dispose(); 
　　　　　　　fs.Dispose(); 

　　　　　　　return context; 
　　　　　}