如何使用iconv for xsltproc將nonUTF-8字符轉換為UTF-8字符

Question

我正在嘗試使用xsltproc從xml文件中獲取數據，但是當我執行xsltproc時，我得到了一個解析器錯誤列表，向我顯示：

new_news.xml：388407：解析器錯誤：PCDATA無效的Char值26

new_news.xml：418521：解析器錯誤：PCDATA無效的Char值26

new_news.xml：1490882：解析器錯誤：PCDATA無效的Char值27ultan'ın

錯誤列表中的數字向我顯示了發生錯誤的xml文件的行號，並且我發現有一些非UTF8字符，例如ESC，SUB等。（。xml文件開頭具有UTF-8標記。由於是這種情況，我需要刪除（或替換）那些非UTF8字符。 去做這個：

我使用了iconv命令：

iconv -c -t UTF-8 <new.xml> new_news.xml

然后使用diff命令查看區別：

diff new.xml new_news.xml

但是它們之間沒有區別。 因此，給xsltproc命令new_news.xml時，我得到相同的錯誤。

你能幫我解決這個問題嗎？ 我究竟做錯了什么？ 順便說一下，我正在使用OsX終端。 我不知道iconv命令是否像sed和awk命令一樣有所作為。

最好的祝福

Answer 1

您的問題不是UTF-8，而是XML。 XML中不允許使用非打印字符，例如ESC或SUB。 如果您的文件包含它們，則它不是XML文檔。

在將文檔解析為XML並由XSLT處理器處理之前，您需要刪除有問題的字符或將其更改為其他字符。 更改文檔的編碼不會完成任何操作。