很久以前，我在网上找到了一些 Perl 代码，它可以将有效的 XML（制表符和换行符）整齐地格式化为单行。该代码如下所示。
它使用 XML::Twig 来实现。它创建了 XML::Twig 对象，没有使用 keep_encoding（$twig = XML::Twig->new()），但如果我给它一个带有非 ASCII 字符的 UTF-8 编码的 XML 文件，它会生成一个文件，使用 Ubuntu 上的 isutf8 命令检查后发现它是无效的 UTF-8 编码。打开文件，在 xxd 中看到，该字符由 2 个字节变为 1 个字节。
如果我使用
根据 keep_encoding 的 Perldoc
这是一个（稍微？）邪恶的选项：如果 XML 文档不是 UTF-8 编码，并且您想保持原样，那么设置 keep_encoding 将使用 Expat original_string 方法进行字符编码，从而保留原始编码以及字符串中的原始实体。
为什么没有这个选项就会生产非 UTF-8 文档？设置它又为什么会使 UTF-8 编码得以保留？
顺便说一下，这里的非 ASCII 字符是不间断空格（c2a0）。
它使用 XML::Twig 来实现。它创建了 XML::Twig 对象，没有使用 keep_encoding（$twig = XML::Twig->new()），但如果我给它一个带有非 ASCII 字符的 UTF-8 编码的 XML 文件，它会生成一个文件，使用 Ubuntu 上的 isutf8 命令检查后发现它是无效的 UTF-8 编码。打开文件，在 xxd 中看到，该字符由 2 个字节变为 1 个字节。
如果我使用
$twig= XML::Twig->new(keep_encoding=>1);，相同的输入会生成有效的 UTF-8 编码，两个字节也被保留。根据 keep_encoding 的 Perldoc
这是一个（稍微？）邪恶的选项：如果 XML 文档不是 UTF-8 编码，并且您想保持原样，那么设置 keep_encoding 将使用 Expat original_string 方法进行字符编码，从而保留原始编码以及字符串中的原始实体。
为什么没有这个选项就会生产非 UTF-8 文档？设置它又为什么会使 UTF-8 编码得以保留？
顺便说一下，这里的非 ASCII 字符是不间断空格（c2a0）。
use strict;
use warnings;
use XML::Twig;
my $sXML = join "", (<>);
my $params = [qw(none nsgmls nice indented record record_c)];
my $sPrettyFormat = $params->[3] || 'none';
my $twig = XML::Twig->new();
$twig->set_indent(" "x4);
$twig->parse( $sXML );
$twig->set_pretty_print( $sPrettyFormat );
$sXML = $twig->sprint;
print $xXML;