由于意外的编码更改，Visual Studio 2008 项目文件无法加载

Question

在我们的团队中，我们在 Visual Studio 2008 中有一个数据库项目，该项目由 Team Foundation Server 进行源代码控制。每两周左右，在一位同事签入后，项目文件将不会加载到其他开发人员的机器上。错误信息是：

无法加载项目文件。根级别的数据无效。第 1 行，位置 1。

当我在 Notepad++ 中查看项目文件时，文件如下所示：

��<NUL?NULxNULmNULlNUL NULvNULeNULrNULsNULiNULoNULnNUL ...

等等（你可以在这个看到<?xml version） 而一个普通的项目文件看起来像：

<?xml version="1.0" encoding="utf-16"?> ...

所以文件的编码可能有问题。这对我们来说是个问题，因为事实证明不可能再次正确编码文件。 “解决方案”是丢弃项目文件，从源代码管理中获取最新的工作版本。

根据文件，编码应该是UTF-16。根据 Notepad++，损坏的文件实际上是 UTF-8。

我的问题是：

• 为什么 Visual Studio 会搞乱 项目文件， 显然是在随机时间和 随机机器？
• 我们应该怎么做才能防止这种情况发生？
• 当它发生时，是否有 恢复当前的可能性 以正确的编码文件代替 从拉旧版本 源代码控制？

最后一点：问题出在一个项目文件上，所有其他项目文件都不会暴露这个问题。

更新：感谢 Jon Skeet 的建议，我知道了第三个问题的答案。 当我将前九个字节 EF BB BF EF BF BD EF BF BD 替换为两个字节 FF FE 时，项目文件将再次加载。

这仍然是 Visual Studio 损坏文件的问题。

Answer 1

我想我可以提供一些关于发生了什么的见解，如果不是原因的话。

FF FE 是一个BOM；它出现在文件的开头表明文件的编码是 UTF-16，little-endian。听起来原始文件确实是 UTF-16，但有些东西忽略了 BOM 并像读取 UTF-8 一样读取它。

发生这种情况时，每个字节 FF 和 FE 都被视为无效并转换为官方 Unicode 垃圾字符 U+FFFD。然后，当再次将文本写入文件时，每个垃圾字符都会转换为其 UTF-8 编码 (EF BF BD) 并添加 UTF-8 BOM (EF BB BF)在他们前面，产生你报的九字节序列：

EF BB BF  # UTF-8 BOM
EF BF BD  # U+FFFD in UTF-8
EF BF BD  # ditto

如果是这种情况，简单地将这九个字节替换为FF FE 是不安全的。不能保证这些是文件中唯一在解释为 UTF-8 时无效的字节。只要文件只包含 ASCII 字符就可以，但其他任何内容，例如重音字符 (é) 或花引号 (’)，都会被不可挽回地损坏。

项目文件真的应该是 UTF-16 吗？如果不是，那么当版本控制系统需要 UTF-8 时，可能某个开发人员的系统正在生成 UTF-16。我注意到在我的 Visual C# Express 安装中，Environment->Documents 下有一个选项，称为“当数据无法保存在代码页中时，将文档另存为 Unicode”。这听起来像是可能导致编码在明显随机的时间发生变化的东西。