Что заставляет мой XML ломаться?

Question

У меня есть следующий XML-код.

<firstname> 
<default length="6">Örwin</default> 
<short>Örwin</short> 
<shorter>Örwin</shorter> 
<shortest>�.</shortest> 
</firstname> 

Почему происходит разрывание содержимого «кратчайшего» узла? Это должно быть просто «...» вместо утомительного . XML кодируется в кодировке UTF-8, а функция, обрабатывающая вывод этого узла, также записывает содержимое «коротких» и «коротких». Там, где «Ö» хорошо видно.

Answer 1

Я предполагаю, что XML не правильно UTF-8 закодирован. Пожалуйста, покажите байт в файле <shortest> в необработанном файле ... Подозреваю, вы обнаружите, что они не являются закодированным символом. Если бы вы могли показать короткую, но полную программу, которая генерирует этот XML из допустимого ввода, это было бы очень полезно. (Предпочтительно сказать, какая платформа это тоже :)

EDIT: В этом файле происходит что-то очень странное. Ниже приведены значения шестнадцатеричных для "коротких" и "коротких" значений:

Короче: С3 96 72 77 69 63

Кратчайшими: EF BF BD 2E

В настоящее время "C3-96" является действительным UTF-8 для U + 00D6, который является «латинской заглавной буквы O с диарезисом», как вы хотите.

Однако EF BF BD является кодировкой UTF-8 для U + FFFD, которая является «символом замены» - определенно не, что вы хотите. (2E - это просто точка ASCII.)

Итак, это действительно действительный UTF-8 - но он не содержит символов, которые вы хотите. Опять же, вы должны изучить, что создал файл ...

Answer 2

XML анализирует элементы внутри тегов, поскольку любой элемент может содержать вложенные элементы. Таким образом, ваш «ö» может нарушить разбор.

Поместите ваши данные внутри CDATA тег, например: http://www.w3schools.com/XML/xml_cdata.asp