C# UTF8的BOM导致XML序列化与反序列化报错:Data at the root level is invalid. Line 1, position 1.

  最近在写一个xml序列化及反序列化实现时碰到个问题,大致类似下面的代码:  

    class Program
    {
        static void Main1(string[] args)
        {
            var test = new Test() { A = "test" };

            var ms = new MemoryStream();
            using (XmlWriter xmlWriter = XmlWriter.Create(ms, new XmlWriterSettings() { Encoding = Encoding.UTF8, OmitXmlDeclaration = true }))//OmitXmlDeclaration表示是否需要xml申明头
            {
                XmlSerializer xz = new XmlSerializer(typeof(Test));
                XmlSerializerNamespaces ns = new XmlSerializerNamespaces();
                ns.Add(string.Empty, string.Empty);//去掉xmlns属性
                xz.Serialize(xmlWriter, test, ns);

                var xml = Encoding.UTF8.GetString(ms.ToArray());//得到xml
                XmlDocument xmlDocument = new XmlDocument();
                xmlDocument.LoadXml(xml);//报错:Data at the root level is invalid. Line 1, position 1.
            }
        }
    }
    public class Test
    {
        public string A { get; set; }
    }

  上面代码序列化出来的那个xml变量值是:<Test><A>test</A></Test>,但是在XMLDocument.LoadXml(xml)方法报错:Data at the root level is invalid. Line 1, position 1.

  于是我将xml变量的值在调试状态下复制出来,接着在Main方法中写了下面的测试代码:   

    static void Main(string[] args)
    {
        string str1 = "<Test><A>test</A></Test>";
        string str2 = "<Test><A>test</A></Test>";
        Console.WriteLine("str1 == str2:" + (str1 == str2));//str1 == str2:False
        Console.WriteLine("str1.Length=" + str1.Length);//str1.Length=24
        Console.WriteLine("str2.Length=" + str2.Length);//str2.Length=25
        Console.ReadKey();
    }

  因为一直没遇到过这个问题,所以感觉很奇怪,然后查了一些资料,最后发现是UTF-8的BOM在作怪.

  什么是BOM?BOM的全称叫做" Byte Order Mark",UTF-8编码数据会在文件开头使用“EF BB BF”这三个字节表示BOM,而BOM的存在是为了区别字节序,存在BOM表示采用小端法,即低位在前边。

  对于UTF-8而言,因为它的编码单元就是字节,所以是没有字节序问题,但是UTF-16和UTF-32的编码单元分别是16-bit和32-bit,就对字节序要求了。

  比如,"\u4FA5"对应中文的“侥“,"\u5AF4"对应中文的“嫴“,如果两台不同的字节序的客户端A,B,A给B发送数据"\u4FA5",B可能就会认为是“嫴“,这就出错了。

  UTF-8虽然没有字节序问题,但为了兼容,UTF-8也会加上BOM。

  其实,如果注意一下,上面的例子中,str2的第一个字符是一个空字符,而不是<,而我们要解决UTF-8的BOM导致的数据问题时,只需要使用UTF8Encoding类传入false参数即可,例如上面的例子:  

    class Program
    {
        static void Main(string[] args)
        {
            var test = new Test() { A = "test" };

            var ms = new MemoryStream();
            using (XmlWriter xmlWriter = XmlWriter.Create(ms, new XmlWriterSettings() { Encoding = new UTF8Encoding(false), OmitXmlDeclaration = true }))//使用UTF8Encoding
            {
                XmlSerializer xz = new XmlSerializer(typeof(Test));
                XmlSerializerNamespaces ns = new XmlSerializerNamespaces(); 
                ns.Add(string.Empty, string.Empty);//去掉xmlns属性
                xz.Serialize(xmlWriter, test, ns);

                var xml = Encoding.UTF8.GetString(ms.ToArray());//得到xml,不含BOM
                XmlDocument xmlDocument = new XmlDocument();
                xmlDocument.LoadXml(xml);//不报错报错
            }
        }
    }
    public class Test
    {
        public string A { get; set; }
    }

 

C# UTF8的BOM导致XML序列化与反序列化报错:Data at the root level is invalid. Line 1, position 1.

上一篇:03 win7部署&用户和组管理


下一篇:C# 基础语法