无法识别Saxon输入编码？

Question

我在Saxon xslt处理器的utf-8文本输出中得到奇怪的字符。

输入xml的开头是

<?xml version="1.0" encoding="windows-1252"?>

它包含这样的字符串(在notepad++中显示，编码为Windows-1252，右下方显示)

“abc”

转换样式表包含

<xsl:output method="text" encoding="utf-8" />

但是输出包含(在notepad++中显示，使用UTF-8编码显示在右下方)

�abc�

而不是UTF-8编码

“abc”

知道我错过了什么吗？

附注:当我使用notepad++将xml输入从windows-1252更改为UTF-8时，输出编码正确，这就是我的解决办法。然而，我想知道我是否遗漏了什么，或者某些软件在字符集方面应该改进。

Answer 1

我怀疑，尽管输入标记为windows-1252，但它实际上并不是Windows-1252。

首先，尝试找出问题是在输入上还是在序列化上。可以通过在XSLT代码中使用string-to-codepoints()来查看解析后的节点树中存在哪些实际代码点。

如果是输入问题，那么这是XML解析器的责任，而不是Saxon本身的责任，所以这取决于您使用的是哪个XML解析器。