XmlDocument.Load失败,LoadXml工作:

Question

在回答这个问题时,我遇到了一个我不理解的情况.OP正在尝试从以下位置加载XML:http://www.google.com/ig/api？weather = 12414&hl =

明显的解决方案是:

string m_strFilePath = "http://www.google.com/ig/api?weather=12414&hl=it";
XmlDocument myXmlDocument = new XmlDocument();
myXmlDocument.Load(m_strFilePath); //Load NOT LoadXml

然而,这失败了

XmlException:给定编码中的字符无效.第1行,第499位.

这似乎是在窒息à的Umidità.

OTOH,以下工作正常:

var m_strFilePath = "http://www.google.com/ig/api?weather=12414&hl=it";
string xmlStr;
using(var wc = new WebClient())
{
    xmlStr = wc.DownloadString(m_strFilePath);
}
var xmlDoc = new XmlDocument();
xmlDoc.LoadXml(xmlStr);

我为此感到困惑.任何人都可以解释为什么前者失败,但后者工作正常吗？

值得注意的是,文档的xml声明省略了编码.

Answer 1

的WebClient用途在HTTP响应的报头中的编码信息,以确定正确的编码(在本例ISO-8859-1这是基于ASCII,即8每个字符的比特)

它似乎XmlDocument.Load不使用此信息,因为xml声明中也缺少编码,它必须猜测编码并将其弄错.一些挖掘让我相信它选择了UTF-8.

如果我们想要获得真正的技术性,那么它所引发的字符是"à",即ISO-8859-1编码中的0xE0,但这不是一个有效的字符UTF-8- 特别是这个字符的二进制表示形式是:

11100000

如果您仔细阅读UTF-8维基百科文章,我们可以看到这表明代码点(即字符)由总共3个字节组成,采用以下格式:

Byte 1      Byte 2      Byte 3
----------- ----------- -----------
1110xxxx    10xxxxxx    10xxxxxx

但是,如果我们回顾一下文档,接下来的两个字符是":",即ISO-8859-1中的0x3A和0x20.这意味着我们最终得到的是:

Byte 1      Byte 2      Byte 3
----------- ----------- -----------
11100000    00111010    00100000

序列的第2个或第3个字节都没有10作为两个最高有效位(这表示继续),因此这个字符在UTF-8中没有任何意义.