由于意外的编码更改,无法加载Visual Studio 2008项目文件

Question

在我们的团队中,我们在Visual Studio 2008中有一个数据库项目,该项目由Team Foundation Server进行源代码管理.每两周左右,在一位同事签入后,项目文件将不会加载到其他开发人员的计算机上.错误消息是:

无法加载项目文件.根级别的数据无效.第1行,第1位.

当我在Notepad ++中查看项目文件时,该文件如下所示:

??<NUL?NULxNULmNULlNUL NULvNULeNULrNULsNULiNULoNULnNUL ...

等等(你可以<?xml version在这里看到)而普通的项目文件看起来像:

<?xml version="1.0" encoding="utf-16"?> ...

所以可能是文件编码有问题.这对我们来说是个问题,因为事实证明不可能再次使文件编码正确.'解决方案'是扔掉项目文件,从源代码控制中获取最后一个知道的工作版本.

根据该文件,编码应为UTF-16.根据Notepad ++,损坏的文件实际上是UTF-8.

我的问题是:

• 为什么Visual Studio会破坏项目文件的编码,显然是在随机时间和随机机器上？
• 我们该怎么办来防止这种情况发生？
• 当它发生时,是否有可能以正确的编码恢复当前文件而不是从源代码控制中提取旧版本？

最后一点:问题在于单个项目文件,所有其他项目文件都不会暴露这个问题.

更新:感谢Jon Skeet的建议,我得到第三个问题的答案.当我用两个字节FF FE替换前九个字节EF BB BF EF BF BD EF BF BD时,项目文件将再次加载.

这仍然是Visual Studio破坏文件的原因.

Answer 1

我想我可以提供一些关于正在发生的事情的见解，如果不是原因的话。

\n\n

FF FE是一个物料清单；它出现在文件的开头表明该文件的编码是 UTF-16，little-endian。听起来原始文件确实是 UTF-16，但有些东西忽略了 BOM，并将其读取为 UTF-8。

\n\n

当这种情况发生时，每个字节FF和 都FE被视为无效并转换为U+FFFD官方 Unicode 垃圾字符。然后，当文本再次写入文件时，每个垃圾字符都会转换为其 UTF-8 编码 ( EF BF BD)，并在它们前面添加UTF-8 BOM ( EF BB BF)，从而产生您想要的九字节序列。报道：

\n\n

EF BB BF  # UTF-8 BOM\nEF BF BD  # U+FFFD in UTF-8\nEF BF BD  # ditto\n

\n\n

如果是这种情况，简单地替换这九个字节FF FE是不安全的。无法保证这些是文件中唯一在解释为 UTF-8 时无效的字节。只要文件只包含 ASCII 字符就可以，但其他任何字符，例如重音字符 ( \xc3\xa9) 或大引号 ( \xe2\x80\x99)，都将被不可挽回地损坏。

\n\n

项目文件真的应该是 UTF-16 吗？如果不是，则可能某个开发人员的系统正在生成 UTF-16，而版本控制系统需要 UTF-8。我注意到在我的 Visual C# Express 安装中，有一个名为Environment->Documents“当数据无法保存在代码页中时将文档另存为 Unicode”的选项。这听起来可能会导致编码在明显随机的时间发生变化。

\n