问题标签 [xml-encoding]

我们有一个通过 XML 文件向 Rightmove 提供数据的站点。但是，我们看到一个小问题，特殊字符显示为奇数符号。例如，当智能引号粘贴到我们的数据源（Drupal CMS）中时，字符显示为“或”。

我们的数据库表使用 utf8_general_ci 并且在我们的网站上看起来一切正常。我需要做什么才能让 Rightmove 显示正确的字符？

我需要在 Dom 文档对象中设置 XmlEncoding (UTF-8)，而不使用带有他的“setOutputProperty(OutputKeys.ENCODING,”UTF-8”) 方法的 Transformer。

我不想使用 Transform 对象获取 XML 字符串，因为我正在使用 Xades XMLSignature 库，该库使用 Document 对象进行签名。

问题是对于如下创建的 Dom 文档，他的 getXmlEncoding() 方法返回 null。

但应用以下代码后，新 DOM 文档的 XmlEncoding 方法返回 UTF-8（我的 xades 库的要求）。这是因为转换过程以某种方式添加了编码。出于性能原因，我想避免执行此代码。

如何使用序言信息创建 Dom 文档？

我一直在尝试使用 VTD-XML 修改 xml 文件。xml 已作为字符串从 java (JAX-WS) Web 服务接收。来自服务器的 http 响应标头具有内容类型：text/xml和charset = utf-8。

这是代码：

xml 上面的声明是这样的：

这就是为什么我在getDataFromFile()方法中以UTF-16格式从文件中读取字节的原因。否则，代码将引发异常，指出它无法切换到编码 UTF-16。

现在上面的代码抛出以下异常：

如果我将文件的编码更改为UTF-8并相应地修改getDataFromFile()方法（也就是说，我们从文件中读取字节而不指定任何编码或UTF-8 作为编码）一切正常。

任何帮助，将不胜感激。

我正在尝试解组一些 XML，实际上是地理标记语言 (GML)。

我在http://play.golang.org/p/qS6GjCOtHF有一个例子

两个问题，第一个：

错误读取带有标签“boundedBy>Envelope>lowerCorner”的xml main.FeatureCollection字段“LowerCorner”与带有标签“boundedBy>Envelope”的字段“Envelope”冲突

我不知道如何解决这个问题。我将这些注释掉并让 GML 无错误地解组，Features但FeatureCollection.

有什么线索吗？

GML 的一个例子是：

我的结构

Atom 提要解析器应如何处理提要中的以下 XML 行：

为了便于讨论，我们假设最初预期的文本实际上是Johnson & Johnson. 我遇到了这个关于这个问题的在线讨论，似乎有两种不同的意见：

1. 意见 #1 - 声称此内容是双重编码的。文本“Johnson & Johnson”文本已被实体转义，然后通过包裹在 CDATA 部分中再次编码。他指出，表现良好的 xml 解析器将返回Johnson & Johnson，因为这就是XML 规范规定 CDATA 编码数据应该被处理的方式。

2. 意见 #2 - 声称 Atom 规范具有先例。他指出，CDATA 充当传递。Johnson & Johnson出来Johnson & Johnson。如果这只是一个 XML 文档，它将到此结束。但是，因为它是 Atom，所以我们必须查看Atom 规范以确定正确的行为。atom 规范指出，任何带有type="html"contains 实体的元素都会转义 html。因此，我们应该可以自由地对其进行解码。

这些事实中哪一个是正确的？一个适当的 Atom XML 解析器应该产生： Johnson & Johnson还是Johnson & Johnson在这种特殊情况下？

将现有 XML 保存到新位置时，实体从内容中转义并替换为问号

请参阅实体下方的快照 - （ - 作为十六进制）在读取时存在，但在保存到另一个位置后替换为问号。

作为内部 XML 读取时

作为内部文本阅读时

保存 XML 文件后

编辑 1 下面是我的代码

编辑 2 我的源文件如下所示。我需要保留实体

这个问题是本页的延续

PROCESS：涉及的过程，打开XML文件并在特定节点进行一些修改并将其保存回另一个位置。

面临问题：在对 XML 进行一些修改后保存时，不受支持的实体引用（如ö转换为ö. 我想保留源中的实体（ö）

正如ö和ö是相同的字符，但我需要保留它在源 xml 中的样子。

XML 源

预期输出

马上行动

我的代码

有没有我可以用来实现的库unescapeUnicodeHtml？如果没有，实现它的最佳方法是什么？

我正在尝试使用带有 xtokenize 的 Apache Camel Splitter 解析 UTF-16 编码的文档，这代表 Woodstox (com.ctc.wstx.sr.BasicStreamReader)，目前我在读取文件之前无法知道文件的编码有些文件是 UTF-16，有些是 UTF-8：

我遇到的问题是 Camel 告诉 Woodstox 使用哪种编码：

它将默认 UTF-8 设置为编码，因此 BasicStreamReader 尝试将 BOM 字节读取为 UTF-8 并失败

如https://www.w3.org/TR/xml/#sec-guessing XML Parser (Woodstox) 中所述，如果只有 Camel 允许它完成工作，它应该能够自动检测文件编码。

有没有办法不自己实现编码检测？

在我无法控制的函数中，数据正在通过

我以后想做一个

问题是所有的 HTML 标签都被转义了。

我考虑过

但我不确定这些是否互为倒数