使用MSXML 4.0读取UTF-8编码的XML

Question

我在使用经典的ASP/VBScript读取UTF-8编码的XML文件时遇到了问题，我可以看到这个文件已经正确编码，因为所有其他工具都能正常解析。

下面是一个构建的XML示例：

<?xml version="1.0" encoding="UTF-8"?>
<itshop>
    <Product Name="Backup gewünscht" />
</itshop>

如果我想在ASP中实现这个功能...

Set fso = Server.CreateObject("Scripting.FileSystemObject")
Set ts = fso.OpenTextFile("input.xml", FOR_READING)
XML = ts.ReadAll
ts.Close
Set ts = nothing
Set fso = Nothing

Set myXML = Server.CreateObject("Msxml2.DOMDocument.4.0")
myXML.loadXML(XML)
Set DocElement = myXML.documentElement
Set ProductNodes = DocElement.selectNodes("//Product")
Response.Write ProductNodes(0).getAttribute("Name")
' ...

当名称包含特殊字符时（具体来说是德语变音符），该变音符的“两个字节代码”会被重新编码，因此最终输出的两个无意义字符非常糟糕。本应为“ü”的字符成为了“ü”，输出的字节数变成了四个字节，而不是两个字节（正确的UTF-8）或一个字节（ISO-8859-＃）。

我做错了什么？为什么MSXML认为输入是ISO-8859-＃，因此尝试将其转换为UTF-8？

- BlaM

---

大写的VB语句让我眼睛疼... - Tomalak

Answer 1

Set ts = fso.OpenTextFile("input.xml", FOR_READING, False, True)

最后一个参数是“Unicode”标志。

OpenTextFile（）的签名如下：

object.OpenTextFile(filename[, iomode[, create[, format]]])

“format”被定义为：

可选。三种值之一，用于指示已打开文件的格式。如果省略，则以ASCII格式打开文件。

而Tristate被定义为：

TristateUseDefault  -2   Opens the file using the system default.
TristateTrue        -1   Opens the file as Unicode.
TristateFalse        0   Opens the file as ASCII.

–1 恰好是 True 的数值。

无论如何，更好的表达方式：

Set myXML = Server.CreateObject("Msxml2.DOMDocument.4.0")
myXML.load("input.xml")

为什么要使用TextStream对象来读取MSXML本身可以完美读取的文件。

TextStream对象也没有关于实际文件编码的概念。文档中说“Unicode”，但是有多种编码Unicode的方式。 MSXML对象的load()方法将能够处理所有这些编码。

- Tomalak

---

尝试使用“myXML.load()”变量。如果这也失败了，那么文件格式不正确。 - Tomalak

太好了，它可行。我之前使用的是loadXML版本，因为还有另一种提交XML的方式（即将XML代码插入表单字段中）。我想我会禁用那个选项。如果有上传功能，那么也不需要其他方法了 :) - BlaM

你也可以将它包含在一个If .. Then ... Else语句中。 :-) - Tomalak

确认：现在一切都按预期工作。感谢您的大力帮助！ - BlaM

myXML.load("input.xml") 这种写法有点傻，括号不应该放在那里。这种习惯很不好，会在其他地方给你带来麻烦。FSO 只能处理 ASCII 和“Unicode”（即 UTF-16LE）。当您想要读取/写入替代文本编码或二进制数据时，请考虑使用 ADODB.Stream。它非常方便且多才多艺。但在这种情况下完全不需要。 - Bob77