XML UTF-8/ISO-8859-1 在 Linux 上用汉字编码的问题

Question

我在 Linux 上有一个 XML 文件 (response.xml)，我正在尝试使用 awk/sed/grep 等进行解析。XML 文件包含一些汉字，我正在尝试获取 FunCode

的值

<FunCode>9000</FunCode>

在 Linux 上使用 view 或 cat:

<?xml version='1.0' encoding='UTF-8'?>
<soapenv:Envelope xmlns:soapenv="http://schemas.xmlsoap.org/soap/envelope/">
    <soapenv:Body>
        <ns31:UploadInboundResponseElement xmlns:ns31="http://www.example.com/schema/xyzWS">
            <ns31:UploadInboundResult>&lt;?xml version="1.0" encodi®æå&lt;/Remark>&lt;/Head>&lt;/ATKCST>>unCode>9000&lt;/FunCode>&lt;Remark>æ¥æ¶æ°æ
            </ns31:UploadInboundResult>
        </ns31:UploadInboundResponseElement>
    </soapenv:Body>
</soapenv:Envelope>

在 Linux 上使用 file 命令：

$ file -b --mime-encoding response.xml
$ utf-8

在 Windows 使用记事本时，文件如下所示。注意编码是UTF-8:

<?xml version='1.0' encoding='UTF-8'?>
<soapenv:Envelope xmlns:soapenv="http://schemas.xmlsoap.org/soap/envelope/">
    <soapenv:Body>
        <ns31:UploadInboundResponseElement xmlns:ns31="http://www.example.com/schema/xyzWS">
            <ns31:UploadInboundResult>&lt;?xml version="1.0" encoding="UTF-8" ?>&lt;ATKCST>&lt;Head>&lt;FunCode>9000&lt;/FunCode>&lt;Remark>接收数据成功&lt;/Remark>&lt;/Head>&lt;/ATKCST></ns31:UploadInboundResult>
        </ns31:UploadInboundResponseElement>
    </soapenv:Body>
</soapenv:Envelope>

然而，当我在 Windows 上使用任何网络浏览器打开文件时，它显示了这一点。注意编码是 ISO-8859-1:

<?xml version="1.0" encoding="ISO-8859-1"?>
<soapenv:Envelope xmlns:soapenv="http://schemas.xmlsoap.org/soap/envelope/">
    <soapenv:Body>
        <ns31:UploadInboundResponseElement xmlns:ns31="http://www.example.com/schema/xyzWS">
            <ns31:UploadInboundResult>
                <?xml version="1.0" encoding="UTF-8" ?>
                <ATKCST>
                    <Head>
                        <FunCode>9000</FunCode>
                        <Remark>接收数据成功</Remark>
                    </Head>
                </ATKCST>
            </ns31:UploadInboundResult>
        </ns31:UploadInboundResponseElement>
    </soapenv:Body>
</soapenv:Envelope>

所以文件在浏览器中的格式正确，但我很困惑为什么 Linux 说文件是 UTF-8 编码的，而在浏览器中却显示为 ISO-8859-1。

仅仅是因为"encoding='UTF-8'"吗？

我的另一个（主要）问题是在 Linux 上，我无法搜索和获取 FunCode 的值“9000”。

关于如何在 Linux 上格式化文件以便获得 FunCode 的值的任何想法？我尝试使用 "iconv"，但没有帮助。

Answer 1

您在 Linux 中看到的混乱很可能是由于终端配置错误造成的。鉴于您在记事本中看到的内容，您必须将 UploadInboundResult 解码为文本，将其重新解释为 XML，然后最终获取您的元素：

  $ xmlstarlet sel -T -N ns='http://www.example.com/schema/xyzWS' \
         -t -v '//ns:UploadInboundResult' response.xml |
      xmlstarlet sel -t -v '//FunCode' -n
  9000

XML UTF-8/ISO-8859-1 在 Linux 上用汉字编码的问题

Issue with XML UTF-8/ISO-8859-1 encoding with Chinese characters on Linux

xml

linux

encoding

utf-8

iso-8859-1