在Delphi 2010中从XML中读取°度符号

Question

以下XML文本由于包含无效的°符号，无法从Delphi中读取：

V1:   <Item Id="1" Description="90° Hinge"/>

看起来，Delphi 不支持在XML中使用“标准”方法：

V2:   <Item Id="1" Description="90&deg; Hinge"/>

Delphi似乎能够很好地处理这个问题：

V3:   <Item Id="1" Description="90&#176; Hinge"/>

由于我从RESTful Web服务获取数据，我并没有特别控制经过的XML数据包，我只需要能够读取它们。

问题

1. 如果V2是标准的XML方式，那么为什么Delphi不支持呢？还是有一种特殊的处理方式我不知道吗？
2. V1 XML格式本身就有问题吗？如果是这样的话，我应该请求RESTful接口以V3格式导出°符号。

使用Delphi 2010。任何帮助都将不胜感激。

- Rick Wheeler

Answer 1

Delphi本身并不会解析XML，第三方的XML引擎会解析，无论是MSXML、OpenXML、AtomXML等。TXMLDocument组件和支持接口只是一个包装框架，大部分的解析工作是由其他人完成的。

V1可能是格式错误的。这取决于XML实际使用的字符集。

V2实际上不是标准化的。并非所有的XML引擎都支持它。显然，你在Delphi中使用的那个引擎不支持它。

V3是标准化的，所有的XML引擎都支持该语法。

- Remy Lebeau

---

关于 V3，我会说“所有上述的 XML 引擎都支持该语法”（或者至少应该支持）。 - kobik

@Kobik，如果有什么不支持数字字符引用的东西，我会很难将其归类为XML解析器。 - Rob Kennedy

@kobik NCRs是XML标准的一部分，因此如果解析器无法处理它们，则不是XML解析器。 - David Heffernan

看起来我的文本编辑器Notepad++又把编码切换回了ANSI（如下所示），因此无论我在XML头中放入什么，它实际上都没有以那种方式编码。 - Rick Wheeler

Answer 2

V1:   <Item Id="1" Description="90° Hinge"/>

在这里，您直接编码了字符。您的代码能否解析它取决于XML文档使用的字符集。因此，如果您的XML文档使用UTF-8并且正确编码，则您的XML代码将能够解析它。

V2:   <Item Id="1" Description="90&deg; Hinge"/>

这里使用了一个命名实体，deg。在XML中，只有五个预定义的命名实体：quot、amp、apos、lt、gt。虽然XML文档可以定义其他命名实体，但这很少见。因此，deg似乎不是您的文档中有效的命名实体。

V3:   <Item Id="1" Description="90&#176; Hinge"/>

这个版本使用数字字符引用（NCR）。您可以使用NCR指定任何Unicode代码点。

---

关于接下来你应该做什么，我们可以立即排除命名实体。我也建议避免对所有非ASCII字符使用NCRs。那只会导致无法阅读的文档。当然，如果您必须使用非Unicode感知工具来处理文档，则使用NCRs是唯一的方法。

因此，我们只能直接对非ASCII字符进行编码。您应确保您的XML使用UTF-8字符集进行正确编码，这种方法将有效，并且会产生可读和干净的文档。

- David Heffernan

---

我检查了我的XML文档，发现它没有使用UTF-8编码，所以我将XML头更改为<?xml version="1.0" encoding="UTF-8"?>，但这似乎没有任何效果。我正在使用MSXML，它仍然似乎在UTF-8中引发°编码错误。 - Rick Wheeler

更改标题不会更改实际文件的编码。如果文件已经正确编码，您可以直接编码任何Unicode字符。 - David Heffernan

看起来我的文本编辑器Notepad++又把编码切换回了ANSI（如下所示），因此无论我在XML头中放入什么，它实际上都没有以那种方式编码。 - Rick Wheeler

不，Notepad++ 不会更改您的编码。您的文件一直都是 ANSI 编码。正如我所说，仅在头部中声明文件为 utf8 并不能使其成为 utf8 编码。我已经告诉过您，如果您的文件正确编码，则可以直接编码任何 Unicode 字符，除了保留字符如 < > & 等。 - David Heffernan

好的，这是否意味着Delphi无法正确地使用UTF-8编码生成文件？我使用TXMLDocument创建了文件，创建了节点，然后将其保存到文件中。之后我所做的就是在Notepad++中打开它并进行了一些小修改。但不知何故，它变成了ANSI格式，可能是直接从Delphi生成或在Notepad++中保存后发生的。您有任何想法在什么情况下会发生这种情况吗？ - Rick Wheeler

你可以解决所有问题，因为你有代码。我没有。我建议你向Leonardo寻求帮助，因为你接受了他的答案。 - David Heffernan

Answer 3

仅在David的回答上进行详细说明，只要它们在当前编码中有效，XML不会排除文本节点中的任何值（除了极少数保留字符）。

您的问题中缺少一些事实：

1. 您是否使用文本编辑器生成此XML？ 如果是这样，则必须检查保存文件时使用的编码。尝试使用UTF-8。如果您的文档是使用“windows”编码生成的，则尝试将编码属性添加到XML控制标记中，即<?xml version="1.0" encoding="iso-8859-1"?>。

2. 您是否使用Delphi字符串函数生成此XML？ 如果是这种情况，则Delphi使用的编码默认为UTF-8，但如果您从外部源读取片段，则可能会无意中混合其他编码。对于这个问题，除了使用XML库内置函数创建XML外，没有什么万能药。

当我不得不处理这些事情时（特别是XML签名！），我会使用字符串包装器，并使用显式编码（我使用type Latin1String = type AnsiString(28591)）。

- Leonardo Herrera

---

谢谢，这是正确的答案。我最初使用Delphi生成了该文件，并使用其默认设置。但是，后来我使用Notepad++打开和编辑了该文件，它似乎将其恢复为ANSI编码。所以我去格式菜单中选择了UTF-8选项，然后确保我的°字符看起来正确，嘭——它就工作了！非常感谢，我已经学到了新东西，而且才早上10点钟！ - Rick Wheeler