如何轉換XML文件，該文件是在非UTF-8格式的XML是UTF-8兼容

我有它的樣本數據如下一個巨大的XML文件：
如何轉換XML文件，該文件是在非UTF-8格式的XML是UTF-8兼容

<vendor name="aglaia"><br> 
       <vendorOUI oui="000B91" description="Aglaia Gesellschaft fÃ¼r Bildverarbeitung ud Kommunikation m" /><br> 
     </vendor><br> 
     <vendor name="ag"><br> 
       <vendorOUI oui="0024A9" description="Ag Leader Technology" /><br> 
     </vendor><br>

，因爲它可以看到有文字「法理社會fÃ¼rBildverarbeitung」，這是不是UTF-8兼容的，因爲它，我從XML驗證收到錯誤，如錯誤：

 
Import failed: 
com.sun.org.apache.xerces.internal.impl.io.MalformedByteSequenceException: Invalid byte 1 of 1-byte UTF-8 sequence.

所以查詢是如何照顧這在Linux環境下將xml文件轉換爲UTF-8兼容格式？或者有沒有在bash中的方法，以便在首先創建xml時，我可以確保所有變量/字符串都以UTF-8兼容格式存儲？

來源

2011-06-13 Nohsib

當前的XML標頭是否指定編碼？即是否有這樣的標題：'<？xml version =「1.0」encoding =「UTF-8」？>'如果是，編碼是什麼？如果文件沒有這個頭文件，你知道實際的編碼嗎？ – 2011-06-13 21:39:00

這是我的腳本在創建xml時添加的頭文件，但正如我所說的那樣，它只是迴應到xml :: <？xml version =「1.0」encoding =「UTF-8」？> – Nohsib 2011-06-13 21:45:50

真實問題是生成的XML是否有效，基於此，您必須更改XML生成器或使用能夠處理有效編碼的通用XML解析庫。 – sorin 2011-06-13 22:39:26

使用的字符集轉換工具：

iconv -f ISO-8859-1 -t UTF-8 filename.txt

見gnu-page

...並在文件http://standards.ieee.org/develop/regauth/oui/oui.txt 「aglia」（如在你上面的例子）報告爲：

00-0B-91 (hex)   Aglaia Gesellschaft für Bildverarbeitung und Kommunikation m 
000B91  (base 16)  Aglaia Gesellschaft für Bildverarbeitung und Kommunikation m 
          Tiniusstr. 12-15 
          Berlin D-13089 
          GERMANY

它看起來像「ü」是獲得mangeld的角色。

更新

當下載「oui.txt」使用wget，我看到了文件中的字符「ü」。如果你沒有在下載中破壞某些東西。考慮使用下列操作之一：使用curl -o oui.txt

wget --header='Accept-Charset: utf-8'
會轉而

如果以上都沒有效果的，只是打開你喜歡的瀏覽器鏈接，做一個「另存爲」。在這種情況下，請在下面的腳本中註釋wget行。

我有以下腳本（更新BEGIN & END得到有效的XML文件）

#!/bin/bash 

wget http://standards.ieee.org/develop/regauth/oui/oui.txt 
iconv -f iso-8859-15 -t utf-8 oui.txt > converted 

awk 'BEGIN { 
     print "HTML-header" 
    } 

    /base 16/ { 
     printf("<vendor name=\"%s\">\n", $4) 
     read 
     desc = substr($0, index($0, $4)) 
     printf("<vendorOUI oui=\"%s\" description=\"%s\"/>\n", $1, desc) 
    } 
    END { 
     print "HTML-footer" 
    } 
    ' converted

希望這有助於成功！

來源

2011-06-13 21:37:56

假定當前的代碼頁是ISO-8859-1，它可能不是。 – 2011-06-13 21:41:46

好，是的，從iconv男人的例子中複製出來的副本。 – 2011-06-13 21:43:14

是沒有工作:( – Nohsib 2011-06-13 21:44:39

如何轉換XML文件，該文件是在非UTF-8格式的XML是UTF-8兼容

回答

相關問題