如何驗證xml編碼

Question

我正在嘗試解析在公司內部創建的XML文件。 該文件應該是UTF-16編碼的，但是我正在編寫的Python腳本出現錯誤（請參見下文）。 我試圖找出問題出在文件還是腳本。 有沒有辦法驗證編碼？ 我所有的搜索都以XML驗證工具或檢查格式正確的XML的工具結束。 我希望嘗試使用XMLSpy，但目前無法訪問它。

引發錯誤的代碼是“ parser.parse”行（Python 2.7）：

from xml.sax import make_parser
from xml.sax.handler import ContentHandler
import codecs

parser = make_parser()
curHandler = XmlHandler()
parser.setContentHandler(curHandler)

parser.parse(codecs.open(infile, 'rb', fileEncoding))

其中“ infile”是有問題的XML文件，在這種情況下，“ fileEncoding”是“ UTF-16”。

該腳本在UTF-8編碼的文件上工作正常。 但是使用UTF-16文件時，出現以下錯誤：

xml.sax._exceptions.SAXParseException: XmlFile.xml:1:30: encoding specified in XML declaration is incorrect

抱歉，我無法發布XML。 它並不復雜，但是包含來自多個外國的單詞/名稱。 我目前的懷疑是編碼為UTF-8，但編碼屬性設置為UTF-16。 有沒有辦法驗證這一點？

更新：好的。 所以現在我很困惑。 我將XML文件上的編碼更改為UTF-8而不是UTF-16，但是忘記在腳本上進行更改。 該腳本按預期運行。 因此，文件encoding ='UTF-8'但打開時帶有：

parser.parse(codecs.open(infile, 'rb', 'UTF-16'))

正常工作，沒有錯誤。

更多信息：我正在Win7 / Server 2008環境中進行開發/執行。

Answer 1

為自己准備一個HEX編輯器（或編寫一個程序來轉儲輸入文件的前八個字節）。

1. 在開始時查找字節順序標記 （BOM）。 如果在那里，那就是您的編碼。
2. 否則，您應該看到0x3C （UTF-8）， 0x003C （UTF-16）或可能但不完全是0x0000003C （UTF-32）（XML序言的開頭<字符）。