Powershell - ASCII编码正在将特殊字符更改为问号

Question

我使用如下的Powershell脚本将字符串转换为XML，然后导出到文件中(这样做是为了保持缩进)：

[xml]$xmloutput = $xml
$sw = New-Object System.IO.StringWriter
$writer = New-Object System.Xml.XmlTextWriter($sw)
$writer.Formatting = [System.Xml.Formatting]::Indented
$xmloutput.WriteContentTo($writer)
$sw.ToString() | Set-Content -Encoding 'ASCII' $filepath

由于供应商的限制，目标必须采用ASCII格式。我所看到的问题是ASCII只是将特殊字符转换为问号(例如：？变为?)。

如果我使用UTF8编码，输出看起来完全没问题。我甚至尝试过保存为UTF8，然后转换为ASCII码，做同样的事情(导出一个问号)：

[System.Io.File]::ReadAllText($filepath) | Out-File -FilePath $filepath -Encoding ASCII

如果我尝试在转换成XML之前替换字符串中的字符(使用ASCII码Ö)，它只是转换“与”号，剩下的就没有用了。

有没有办法让Powershell正确地将这些字符保存到文件中？

编辑:我希望看到输出文件中的特殊字符，但如果这不符合ASCII码，我希望看到它的ASCII码(在本例中为Ö)。

我也不想只看到一个O，我需要实际的字符。

Answer 1

XML文档中的所有字符都是Unicode。但是，XML文档的表示具有文档编码。不属于该字符集的字符被写为字符实体引用，通常以数字和十六进制表示法编写。该数字是Unicode代码点。

看起来你的合作伙伴的要求是使用ASCII作为文档编码。

使用XmlDocument有点困难，但带有文档编码设置的XmlWriter可以工作：

$myString = 'hellÖ'

[xml]$myXml = [System.Management.Automation.PSSerializer]::Serialize($myString)

$settings = New-Object System.Xml.XmlWriterSettings
$settings.Encoding = [System.Text.Encoding]::ASCII
$settings.Indent = $true

$writer = [System.Xml.XmlWriter]::Create("./test.xml", $settings)
$myXml.Save($writer)
$writer.Dispose()

这将输出一个ASCII编码的文本文件，并使用XML解码声明文档编码为ASCII，并对不能用ASCII表示的XML内容字符使用十六进制数字字符实体引用：

<?xml version="1.0" encoding="us-ascii"?>
<Objs Version="1.1.0.1" xmlns="http://schemas.microsoft.com/powershell/2004/04">
  <S>hell&#xD6;</S>
</Objs>

正如您在C1控制和拉丁文-1补充模块中看到的here，U+00D6 (&#D6;)是带分音符的?拉丁文大写字母O

Answer 2

这并不是PowerShell所特有的，这通常是一个字符编码问题。

基本上，该字符不是ASCII，而是ISO 8859-1。

而且，通过让XmlTextWriter直接写入文件，可以简化这个过程，因为您可以用它来控制编码。试试这个：

$myString = 'hellÖ'

[xml]$myXml = [System.Management.Automation.PSSerializer]::Serialize($myString)

$myEncoding = [System.Text.Encoding]::GetEncoding('iso-8859-1')

$writer = New-Object System.Xml.XmlTextWriter($filepath, $myEncoding)
$writer.Formatting = [System.Xml.Formatting]::Indented

$myXml.WriteContentTo($writer)

$writer.Flush()
$writer.Close()
$writer.Dispose()

这将使用ISO 8859-1编码写入文件，但不会将其编码为XML实体。

因此，如果您的应用程序只需要真正的ASCII，没有扩展集，那么这将不起作用。如果它真的只需要单字节编码，并且这种编码中的字符集就足够了，那么就可以了。

如何对实体执行此操作：

第1步:忽略我写的内容，改用 。

您可以做的是在ASCII编码器上设置一个custom fallback callback，这样每当它遇到一个无法用ASCII表示的字符时，它就会调用您的函数来获取一个替换字符。您的函数只需返回字符的实体版本即可。

从技术上讲..这可能会适得其反。由于您必须从编码器返回与号&，XmlWriter可能会看到这一点，并“有帮助地”将其替换为&，这将破坏您的编码。

直接从PowerShell使用这个回调可能是可能的，但会有点麻烦。使用一些C#和Add-Type会更容易一些。

或者，您可以使用此方法的游击版:编写XML字符串，然后手动替换任何非ASCII的字符。

在这里，我使用的是regex引擎的replace方法的一个版本，该方法接受一个用于匹配计算的函数。正则表达式只匹配不在'BasicLatin‘Unicode Named Block中的任何字符。

$myString = 'hellÖ'

[xml]$myXml = [System.Management.Automation.PSSerializer]::Serialize($myString)

$sw = New-Object System.IO.StringWriter
$writer = New-Object System.Xml.XmlTextWriter($sw)
$writer.Formatting = [System.Xml.Formatting]::Indented
$myXml.WriteContentTo($writer)

$output = [RegEx]::Replace($sw.ToString(), '\P{IsBasicLatin}', { param($match) '&#{0};' -f [int][char]$match.Value })
$output  | Set-Content -Encoding 'ASCII' -LiteralPath $filepath

据我所知，这将会做你想要的。