在Ruby on Rails上读取文件时，两个相等的XML具有差异

Question

我必须解析来自两个不同软件的XML文件。 其中一个文件在解析过程中失败。 因此，我开始调试问题，现在我复制了“好文件”内容并将其粘贴到“坏文件”。 但是错误仍然存​​在！ 我还将“坏文件”内容粘贴到好文件中，一切正常！

我认为这与某些编码问题有关。

如果XML文件未声明编码，是否有一些我可能会丢失的元数据？

当我在ruby上读取文件时的输出

File.read(Rails.root.join('bad-file.xml'))

\xFF\xFE<\u0000f\u0000i\u0000l\u0000e\u0000>\u0000\r\u0000<\u0000A\u0000L\u0000L\u0000_\u0000I\u0000N\u0000S\u0000T\u0000A\u0000N\u0000C\u0000E\u0000S\u0000>\u0000\r\u0000\r\u0000<\u0000i\u0000n\u0000s\u0000t\u0000a\u0000n\u0000c\u0000e\u0000>\u0000\r\u0000<\u0000I\u0000D\u0000>\u00009\u00005\u00003\u0000<\u0000/\u0000I\u0000D\u0000>\u0000\r\u0000<\u0000s\u0000t\u0000a\u0000r\u0000t\u0000>\u00005\u00000\u00005\u00009\u0000.\u00002\u00006\u00002\u00002\u00000\u00001....

File.read(Rails.root.join('good-file.xml'))

<file>\r\n<ALL_INSTANCES>\r\n\r\n<instance>\r\n<ID>953</ID>\r\n<start>5059.2622016567</start>\r\n<end>5060.2622016567</end>\r\n<code>timer-1sec</code>\r\n<label>\r\n<group>result</group>\r\n<text>Dabang Eindringen SK</text>\r\n</label>\r\n</instance>\r\n</ALL_INSTANCES>\r\n\r\n<ROWS>\r\n<row>\r\n<code>timer-1sec</code>\r\n<R>0</R>\r\n<G>0</G>\r\n<B>0</B>\r\n</row>\r\n</ROWS>\r\n</file>

Answer 1

前两个字节\\xFF\\xFE是unicode字节顺序标记-它们表示其余数据为UTF16（以小尾数顺序）

如果你这样做

File.read(path, mode: 'r:UTF-16LE')

然后，文件的外部编码将被设置为该值。 数据在返回之前已转换为默认的内部编码。 您可以通过以下方式将其强制为utf-8：

File.read(path, mode: 'r:UTF-16LE:UTF-8')