如何解决如何将非UTF-8格式的xml文件转换为与UTF-8兼容的xml
| 我有一个巨大的xml文件,其示例数据如下: <vendor name=\"aglaia\"><br>
<vendorOUI oui=\"000B91\" description=\"Aglaia Gesellschaft für Bildverarbeitung ud Kommunikation m\" /><br>
</vendor><br>
<vendor name=\"ag\"><br>
<vendorOUI oui=\"0024A9\" description=\"Ag Leader Technology\" /><br>
</vendor><br>
可以看到有文本“ GesellschaftfürBildverarbeitung”,该文本不兼容UTF-8,因为我从xml验证程序中收到错误,错误如下:
导入失败:
com.sun.org.apache.xerces.internal.impl.io.MalformedByteSequenceException:1字节UTF-8序列的无效字节1。
因此,查询是如何在Linux环境中解决此问题,以将xml文件转换为UTF-8兼容格式?还是在bash中有一种方法,使得在首先创建xml时我可以确保所有变量/字符串都以UTF-8兼容格式存储?
解决方法
使用字符集转换工具:
iconv -f ISO-8859-1 -t UTF-8 filename.txt
见gnu页
...并且在文件http://standards.ieee.org/develop/regauth/oui/oui.txt中,“ aglia \”(如上述示例所示)报告为:
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
似乎“ü\”是被曼格尔德化的角色。
更新资料
使用wget下载\“ oui.txt \”时,我在文件中看到字符“ \”。如果没有,则说明下载文件有问题。考虑使用以下方法之一:
wget --header=\'Accept-Charset: utf-8\'
尝试改用curl -o oui.txt
如果以上方法均无效,只需在您喜欢的浏览器中打开链接并执行“另存为”即可。在这种情况下,请在下面的脚本中注释“ 5”行。
我成功使用以下脚本(更新BEGIN&END以获取有效的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
希望这可以帮助!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。