linux的xml文件格式,linux – 如何将非UTF-8格式的xml文件转换为符合UTF-8的xml

我有一个巨大的xml文件,其示例数据如下：

因为可以看到有文字“GesellschaftfürBildverarbeitung”,它不符合UTF-8,因为我从xml验证器得到错误,错误如：

Import failed:

com.sun.org.apache.xerces.internal.impl.io.MalformedByteSequenceException: Invalid byte 1 of 1-byte UTF-8 sequence.

那么查询是如何在Linux环境中处理这个问题,将xml文件转换为UTF-8兼容格式？或者在bash中是否存在这样的方式,以便在首先创建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

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”是获得mangeld的角色.

更新

当使用wget下载“oui.txt”时,我在文件中看到字符“ü”.如果您没有在下载中破坏某些内容.考虑使用以下其中一种：

> wget –header =’Accept-Charset：utf-8′

>尝试使用curl -o oui.txt代替

如果以上都不起作用,只需在您喜欢的浏览器中打开链接并执行“另存为”.在这种情况下,请在下面的脚本中注释wget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("\n", $4)

read

desc = substr($0, index($0, $4))

printf("\n", $1, desc)

}

END {

print "HTML-footer"

}

' converted

希望这可以帮助！

标签：shell,unix,linux,unicode,utf-8

来源： https://codeday.me/bug/20190630/1338523.html