sql-server - 如何正确处理 UTF-8 XML 中的 ？

Question

我在表示 ￿ 时遇到一些问题，这是一个有效的 UTF-16 构造，并且在 Windows 文件名中、在 XML 中显然也有效，以便在 SQL Server XML (2012) 中使用。

以此为例:

DECLARE @Xml xml;
SET @Xml = N'<?xml version="1.0"?><FileName>풜〣&#xFFFF;&#xFFFF;</FileName>'

-- Result: XML parsing: line 1, character 41, illegal xml character

但是，这是合法的 Unicode(“Unicode 非字符”''):http://www.fileformat.info/info/unicode/char/ffff/index.htm

所以，我尝试了这个:

DECLARE @Xml xml;
SET @Xml = N'<?xml version="1.0" encoding="utf-16"?><FileName>풜〣&#xFFFF;&#xFFFF;</FileName>'

-- Result: XML parsing: line 1, character 59, illegal xml character

那么 - 我应该如何在 XML 中准确地表示这个文件名？我不能只删除这些字符，它们确实是 Get-ChildItem 报告的 ￿ 字符，并且我需要保留此文件的句柄。

我可以通过将 ￿ 替换为 ï¿¿(即 UTF-8)来进行 XML 解析。根据 this link 表示 \uFFFF然后，我尝试获取此 XML 并将其插入到 nvarchar 列中，我需要它作为文件名的正确表示形式。

DECLARE @Xml xml;
SET @Xml = N'<?xml version="1.0"?><FileName>풜〣&#xEF;&#xBF;&#xBF;&#xEF;&#xBF;&#xBF;</FileName>'
SELECT F.Item.value('.', 'nvarchar(2000)') FROM @Xml.nodes('//FileName') as F(Item)

-- Returns 풜〣ï¿¿ï¿¿ (not correct)

Answer 1

XML 文档中允许的字符集由production 2 定义。 XML 规范。它不包括 U+FFFF(它被 Unicode 定义为非字符，并且在开发 XML 时不允许使用 Unicode 进行信息交换)。

这意味着您不能在 XML 文档中按字面意思表示 U+FFFF，也不能使用 XML 数字字符引用。当然，您可以发明自己的转义机制，或者使用 URI 转义之类的方法来对数据中的字符进行编码；在将数据插入允许 U+FFFF 的应用程序之前，您当然必须取消转义您的表示形式。

我想知道为什么 Windows 文件名中允许使用非字符。