从 Excel 导出后，在 XML 文件和 PowerShell 输出中发现奇怪的字符：

Question

我有一个 XML 文件，我正在尝试使用 PowerShell 读取该文件。但是，当我阅读它时，某些 XML 对象的输出中包含以下字符： \xc3\xa2\xe2\x82\xac\xe2\x80\xb9

\n

我只是从第三方下载了所需的 XML 文件，该文件在 Excel 中打开。然后我抓取所需的列并将它们粘贴到新的 Excel 工作簿中。然后，我使用 XML 架构映射字段，然后将其导出为 XML 文件，然后将其用于编写脚本。

\n

在 Excel 电子表格中，我的数据看起来很干净，但当我导出它并运行 PS 脚本时，这些奇怪的字符出现在输出中。这些字符甚至在导出后出现在实际的 XML 文件中。我究竟做错了什么？

\n

我尝试使用-Encoding UTF8，但我对 PowerShell 比较陌生，并且不确定如何将其正确应用到我的脚本中。感谢任何帮助！

\n

电源外壳

\n

$xmlpath = 'Path\\To\\The\\File.xml'\n\n[xml]$xmldata = (Get-Content $xmlpath)\n\n$xmldata.applications.application.name\n

\n

输出示例

\n

\xc3\xa2\xe2\x82\xac\xe2\x80\xb9ABC_DEF_GHI\xc3\xa2\xe2\x82\xac\xe2\x80\xb9.com\xc3\xa2\xe2\x82\xac\xe2\x80\xb9\xc3\xa2\xe2\x82\xac\xe2\x80\xb9\n\xc3\xa2\xe2\x82\xac\xe2\x80\xb9JKL_MNO_PQRS\xc3\xa2\xe2\x82\xac\xe2\x80\xb9.com\xc3\xa2\xe2\x82\xac\xe2\x80\xb9\nTUV_WXY_Z.com\nAB_CD_EF_GH\xc3\xa2\xe2\x82\xac\xe2\x80\xb9.com\n

\n

Answer 1

这是为什么你不应该使用这个习语的一个很好的例子
[xml]$xmldata = (Get-Content $xmlpath)- 就这么方便。^[1]问题确实是字符编码之一：您的文件是 UTF-8 编码的，但 Windows PowerShell 的Get-Contentcmdlet 在没有 BOM 的情况下将其解释为 ANSI 编码 -这个答案详细解释了编码部分。^{谢谢，乔罗巴。}

相反，要确保正确解释 XML 文件的字符编码，请使用以下命令：

# Note: If you know that $xmlPath contains a *full*, native path,
#       you don't need the Convert-Path call.
($xmlData = [xml]::new()).Load((Convert-Path -LiteralPath $xmlPath))

这将字符编码的解释委托给System.Xml.XmlDocument.Load.NET API 方法，该方法不仅假定 XML (UTF-8) 的正确默认值，而且还尊重任何显式编码规范作为 XML 声明的一部分（如果存在
<?xml version="1.0" encoding="iso-8859-1"?>）

也可以看看：

• 本答案的底部部分提供背景信息。

• GitHub 提案 #14505，建议引入一个New-Xml能够稳健解析 XML 文件的 cmdlet。

^{[1] 如果您碰巧提前知道输入文件的编码，则可以在原始方法 ( )中使用'Get-Content s参数，但基于 - 的方法更加稳健。 -Encoding[xml]$xmldata = (Get-Content -Encoding utf8 $xmlpath.Load()}