4

这是目前的情况：

我正在从 XML API 接收数据。此数据有时包含一个特殊的撇号字符，这会导致我的解析器崩溃。仅当我从本地文件中读取数据时才会发生此崩溃。当我从流中读取数据时，没有崩溃，但我也没有得到 DOM 树：它在没有通知我的情况下退出。

您将在下面找到我们为使事情顺利进行所做的尝试列表：

// Does not work
var web = new WebClient();
web.Encoding = Encoding.UTF8;
var response = web.DownloadString("http://thetvdb.com/api/apikey/series/" + show.TVDBID + "/");
var tree = XDocument.Parse(response);

// Works
var doc = new XmlDocument();
doc.Load("C:\\Test\\test.xml");
var response = doc.InnerXml;
var tree = XDocument.Parse(response);

// Works
var xmlDoc = XDocument.Parse(File.ReadAllText("c:\\Test\\test.xml", System.Text.Encoding.UTF8));
var xmlDoc = XDocument.Load("C:\\Test\\test.xml");
var tree = xmlDoc;

// Does not work
var web = new WebClient();
web.Encoding = Encoding.UTF8;
web.DownloadFile("http://thetvdb.com/api/apikey/series/" + show.TVDBID + "/", "C:\\test.xml");
var tree = XDocument.Load("C:\\test.xml");

// Does not work
var web = new WebClient();
web.Encoding = Encoding.UTF8;
var data = web.DownloadData("http://thetvdb.com/api/apikey/series/" + show.TVDBID + "/");
var response = Encoding.UTF8.GetString(data);
var tree = XDocument.Parse(response);

我根据它是否到达此循环第一行的断点来确定某些东西是否有效：

if (root != null) { 
     var lastupdate = root.Element("Series").Element("lastupdated").Value;

     foreach (var epi in tree.Descendants("Episode")) {
          var season = epi.Element("SeasonNumber").Value; // Breakpoint here
     }
}

当解析器遇到这个撇号时会发生崩溃： 在此处输入图像描述

当我用我自己手动输入的撇号或用 替换这个字符时&#39，不会再抛出错误，它会一直持续到下一个。当我在 firefox 和 chrome 中查看 API 请求的源页面时，它告诉我编码是 UTF-8，API wiki 上的代码示例也在标题中显示 UTF-8。

这是我到目前为止的地方。有任何想法吗？

我刚刚注意到，API 查询的结果字符串<Series></Series>在调试期间仅包含一个根据 XML/Text/HTML 可视化工具的标记，而没有<Episode></Episode>。但是，当我在浏览器中执行相同的查询时，它会显示两者。这可能吗？当我通过邮递员查看它时，它会显示剧集。

更新：

当我使用 Unicode 作为编码时，我没有收到任何警告，并且能够完全解析本地 xml 文件！我不是编码专家，使用 Unicode 有什么缺点吗？

当对数据流使用 unicode 时，我得到了一堆亚洲字符。

4

4 回答 4

1

它与数据的编码有关。这使您可以获取原始二进制文件（因此编码没有问题）。

WebClient myWebClient = new WebClient();
byte[] data = myWebClient.DownloadData(uri);

string xmlContents = Encoding.UTF8.GetString(data);

编辑根据您最近使用 Unicode 的发展，我想说数据实际上是用 UTF-16 编码的。Unicode 不是一种编码类型，它本质上只是一个编码字符集——即一组字符以及字符和代表它们的整数代码点之间的映射。当你“用 Unicode 编码”时，它通常意味着 UTF-16。无论如何，很高兴您的问题得到解决！

于 2013-06-23T11:10:26.307 回答
0

我找到了解决方案，但它有点虎头蛇尾。由于我的 API 字符串不完整，因此未检索到剧集：它应该以 结尾/all/，但我一定是在某个地方忘记了它并从那时起复制了它。这是我寻找的最后一个地方。

通过更改 API 调用，我现在可以检索所有剧集。没有更多的编码错误（尽管我没有对此进行任何更改）并且现在它已经检索了 4000 集，所以我假设其余的也不会出现问题。

有人将其设为社区 wiki：我不确定该状态是否仍然有效，因为这是一个本地化问题。不过，我从这些对话中学到了很多关于 XML/API 的知识，感谢所有参与其中的人！

于 2013-06-23T17:59:47.657 回答
0

尝试，

var tree = XElement.Parse(response);
foreach(var epi in tree.Descendants("Episode"))
{
   ...
}

如果 Data 是您的根节点并且没有隐藏的 Episode，那么您可以将 Descendants 替换为 Elements。

于 2013-06-23T01:42:34.563 回答
0

&#39是某些浏览器的 html 转义。改用&apos;它，它是正确的 xml 转义序列。

看起来您很可能被其中一款令人讨厌的微软产品“智能引用”，这些产品将您的所有引号和撇号更改为声称在 ISO-8859-1/Latin-1 中但实际上是 Win-1252 且带有缺少 C0 平面。如果是这种情况，只有 Win-1252 编码会为您解析该文档。或者你可以把卷曲的 apos 换成普通的，一切都会好的。

于 2013-06-23T13:46:34.773 回答