从XML中筛选某些unicode字符
本文关键字：unicode 字符 筛选 XML | 更新日期: 2023-09-27 17:59:45
。。。特别是xA3（磅
我正在加载几个长的XML文档，并定期遇到一个无法加载的文档，抛出异常：
给定编码中的字符无效。行x，位置y。
这是有问题的代码：
var doc = new XmlDocument();
doc.Load(file.FullName);
当我在所示的行中查看有问题的文档时，我会在其中一个XML标记中看到反格式的xA3（黑色bg，白色fg）。
每个XML文件的头都没有什么特别之处：
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
这听起来可能是一个非常愚蠢的问题，但有没有办法删除有问题的字符，或者告诉读取文件的XMLDocument接受字符编码？
此答案基于这样的假设，即XML文件不包含字符实体£，而是包含字节值0xa3。
英镑符号的UTF-8代码是两字节代码0xc2 0xa3。如果0xa3之前没有字节0xc2，则XML文件的编码不是UTF-8，并且标头信息是错误的。
如果是这种情况，您可以将XML标头中的编码更改为ISO 8859-1（在代码点0xa3可以找到磅号），或者尝试找出XML文件不是UTF-8编码的原因并修复它们。由于我不知道你的文件是否包含ISO 8859-1中不存在的任何字符，我更喜欢第二个选项。