審覈完的信息要生成XML類型的文件,並且XML要採用GB2312編碼,因爲採集的新聞網站,有很多網站採用的是UTF8編碼,這樣在轉化的過程中又出現亂碼
最近做了一個小項目,遇到此類問題,記錄一下,也算是一個總結。
此項目分爲兩部分,一個是新聞數據採集,一個是採集信息的審覈,最後生成XML文件。
數據採集後的數據經過用戶編輯完之後,要導出一個ACCESS文件,然後把這個文件導入到信息審覈系統。在ACCESS庫中存儲新聞信息的字段類型是ntext類型,而審覈系統庫中對應的是varchar(max)類型的字段,導入之後,發現有的空白字符會出現亂碼,表現爲問號(?),其實經過後面的測試,這不是空白(空格)字符,而一個特殊字符,怎麼辦?經過幾番測試後發現,varchar(max)類型要改成nvarchar(max)類型,這樣導入的數據就不會再有此類問題了。
但後面的測試過程中,又會發現對導入後的採集信息更改(通過.net程序編輯功能)後,數據庫中此條信息又出現了亂碼問題,研究後發現在插入語句中這樣寫就不會出現此類問題了,如insert into 表名 (news)values(N'"+更新後的值+""),爲什麼加N?去百度一下就明白了。
到此,心中總算得到安慰,但後面的問題又讓人陷入鬱悶之中。。。。。。
審覈完的信息要生成XML類型的文件,並且XML要採用GB2312編碼,因爲採集的新聞網站,有很多網站採用的是UTF8編碼,這樣在轉化的過程中又出現亂碼(還是那個“空白”特殊字符搞的),怎麼辦?網上介紹的把UTF8轉化成GB2312就可以了,但實際發現,還是解決不了問題,這下弄的一上午爲了解決這個問題,最後還是沒有辦法,正鬱悶之時,突然想到通過VS的調試功能來看看這個特殊字符究竟是什麼玩意,最後通過把數據庫的此字段值讀取出來之後,然後轉化成字符數組,content.ToCharArray(); 一個一個的看,發現,導致亂碼的這個字符是' '注意引號中的空白,這不是一個空格,而是一個在GB2312中無法識別的特殊字符,此時突然想到,能不能把這個字符的值直接用空格替換呢?馬上行動,果然,解決了亂碼問題。真求鬱悶,這一個毛玩意浪費了一半天時間。
注意,必須要用調試出來的這個值(因爲這纔是真正的導致亂碼的那個特殊字符),調試的時候在即使窗體中粘貼。
content = content.Replace(" ", " ");