从 Excel 导出后，在 XML 文件和 PowerShell 输出中发现奇怪的字符：​

Question

我有一个 XML 文件，我正尝试使用 PowerShell 读取该文件。然而，当我阅读它时，某些 XML 对象的输出中包含以下字符：​

我只是从第三方下载了我需要的 XML 文件，该文件在 Excel 中打开。然后我抓取我需要的列并将它们粘贴到一个新的 Excel 工作簿中。然后我使用 XML 模式映射字段，然后将其导出为 XML 文件，然后我将其用于脚本编写。

在 Excel 电子表格中，我的数据 看起来 干净，但是当我导出它和 运行 PS 脚本时，这些很奇怪字符出现在输出中。导出后这些字符甚至出现在实际的 XML 文件中。我做错了什么？

我尝试使用 -Encoding UTF8，但我对 PowerShell 比较陌生，不确定如何将它适当地应用到我的脚本中。感谢任何帮助！

PowerShell

$xmlpath = 'Path\To\The\File.xml'

[xml]$xmldata = (Get-Content $xmlpath)

$xmldata.applications.application.name

输出示例

​ABC_DEF_GHI​.com​​
​JKL_MNO_PQRS​.com​
TUV_WXY_Z.com
AB_CD_EF_GH​.com

Answer 1

这是一个很好的例子，说明为什么你不应该使用成语
[xml]$xmldata = (Get-Content $xmlpath) - 尽管它很方便。^[1] 问题确实是字符编码之一：您的文件是 UTF-8 编码的，但是 Windows PowerShell 的 Get-Content cmdlet 将其解释为 ANSI-encoded缺少 BOM - this answer explains the encoding part in detail.^{Thanks, choroba.}

相反，要确保 XML 文件的字符编码被正确解释，请使用以下内容：

# Note: If you know that $xmlPath contains a *full*, native path,
#       you don't need the Convert-Path call.
($xmlData = [xml]::new()).Load((Convert-Path -LiteralPath $xmlPath))

这将字符编码的解释委托给 System.Xml.XmlDocument.Load .NET API 方法，该方法不仅假定 XML (UTF-8) 的正确默认值，而且尊重作为 XML 声明的一部分的任何显式编码规范（如果存在）（例如，
<?xml version="1.0" encoding="iso-8859-1"?>）

另请参阅：

• 背景信息 this answer 的底部。

• GitHub proposal #14505，提议引入一个 New-Xml cmdlet 来可靠地解析 XML 文件。

---

^{[1] 如果您碰巧提前知道 输入文件的编码，您可以逃避 在您的原始方法 ([xml]$xmldata = (Get-Content -Encoding utf8 $xmlpath) 中使用 Get-Content 的 -Encoding 参数，但是基于 .Load() 的方法更加稳健。}