не могу понять эти проблемы кодирования XML

Question

Следующий кусок кода (сокращенный для краткости) создает документ XML и выплевывает его в файл. Если я открою файл в Visual Studio, он будет отображаться на китайских иероглифах. Если я открою его в блокноте, он будет выглядеть как положено. Если я Console.WriteLine это выглядит правильно.

Я знаю, что это связано с кодированием, но я думал, что у меня были все утки кодирования подряд. Чего не хватает?

StringBuilder stringBuilder = new StringBuilder();
XmlWriterSettings settings = new XmlWriterSettings();
settings.Encoding = Encoding.Unicode;
settings.Indent = true; 
settings.IndentChars = "\t";
using (XmlWriter textWriter = XmlWriter.Create(new StringWriter(stringBuilder), settings))
{
    textWriter.WriteStartElement("Submission");
    textWriter.WriteAttributeString("xmlns", "xsi", null, "http://www.w3.org/2001/XMLSchema-instance");
    textWriter.WriteEndElement();
}

using (StreamWriter sw = new StreamWriter(new FileStream(fileName, FileMode.Create, FileAccess.Write, FileShare.None)))
            {
                sw.Write(stringBuilder.ToString());
            }

Answer 1

Проблема в том, что вы записываете его на диск с использованием UTF-8, но будет утверждать, что будет UTF-16, потому что это то, что StringWriter использует по умолчанию - и поскольку вы явно устанавливаете для него значение Encoding.Unicode.

Самый простой способ исправить это - использовать StringWriter, который объявляет себя как UTF-8:

public class Utf8StringWriter : StringWriter
{
    public override Encoding
    {
         get { return Encoding.UTF8; }
    }
}

... и затем удалите строку settings.Encoding = Encoding.Unicode. Таким образом, вы будете использовать UTF-8 повсюду. (На самом деле, свойство Encoding XmlWriterSettings игнорируется при создании XmlWriter с TextWriter в любом случае.)

Если вы действительно хотите UTF-16, то при создании StreamWriter укажите там также Encoding.Unicode.

Answer 2

Я не уверен, что такое Encoding.Unicode, но я думаю, что это UTF-16, который записывает два байта на символ в файл. Для обычного текста ASCII один из байтов всегда равен 0.

Попробуйте UTF-8. Это должно выглядеть одинаково в любом редакторе, если вы не используете специальные символы (с точкой кода> = 128).