通过文件系统从 XML 中解析和删除 BOM/Preamble

Question

我正在处理 XBRL 文件，并将运行处理成一堆开头有 Byte-Order-Mark (BOM) 的文件。如果我手动删除它，我可以毫无问题地处理该文件。

我曾多次尝试从我正在读取的 XML 文件的开头删除 BOM。

这是我收到的错误消息：

Data at the root level is invalid. Line 1, position 1.

最初我使用的是 XDocument.Load(filename)，但由于同样的错误而失败，因此我在获得 Parsing xml string to an xml document fails if the string begins with <?xml... ?> section 的建议后修改了代码，但没有成功。

void Main()
{
    XDocument doc;
    var @filename = @"C:\accounts\toprocess08\Prod224_8998_00741575_20080630.xml";
    byte[] file = File.ReadAllBytes(filename);
    using (MemoryStream memory = new MemoryStream(file))
    {
        using (XmlTextReader oReader = new XmlTextReader(memory))
        {
            doc = XDocument.Load(oReader);
        }
    }
}

XML 文件可以在这里找到：http://s000.tinyupload.com/download.php?file_id=92333278767554773703&t=9233327876755477370347742

Answer 1

序列 C3 AF C2 BB C2 BF 看起来不像任何 BOM。

您可能应该调查它是什么，它是否一致（长度）等。

实际上，您可以简单地跳过前 6 个字节：

using (var stream = File.Open(fileName, FileMode.Open))
{
    stream.Seek(6, SeekOrigin.Begin);
    var doc = XDocument.Load(stream);
    // ...use it
}

Answer 2

C3 AF C2 BB C2 BF 看起来是双 UTF-8 编码的 BOM。 BOM的UTF-8编码为EF BB BF。如果您将这些中的每一个都视为一个单独的字符和 UTF-8 编码，您最终会得到您所看到的序列。

所以你的文件坏了。有些东西正在获取包含 UTF-8 BOM 的文档并将其视为扩展的 ASCII。如果您无法在源头修复文档，我倾向于在文件开头查找该特定序列，如果存在则将其删除。

如果有问题的文档使用其他扩展的 ASCII 字符，它们很可能也会被破坏。

通过文件系统从 XML 中解析和删除 BOM/Preamble

Parsing and removing BOM/Preamble from XML via filesystem

c#

xml

byte-order-mark

xmlreader

xbrl