MarkLogic导入含重音字符属性的文档时触发UTF-8转义序列无效错误

看起来你在PowerShell处理XML然后提交到MarkLogic REST端点时踩了编码的坑——尤其是属性值里的重音字符触发了"Invalid UTF-8 escape sequence"错误。手动替换实体确实容易出问题，这里给你几个更可靠的替代方案：

1. 用.NET XML类正确处理编码与实体，避免手动替换 #

PowerShell的原生字符串处理有时候会在编码转换上搞事情，不如直接用.NET的XML处理工具来读取和处理文件，它能更精准地处理UTF-8和实体：

# 明确用UTF-8无BOM读取文件
$xmlContent = Get-Content -Path "your-target.xml" -Encoding UTF8 -Raw

# 用XmlDocument加载，自动处理实体（如果需要解析DTD，可配置XmlReaderSettings）
$xmlDoc = New-Object System.Xml.XmlDocument
$xmlDoc.LoadXml($xmlContent)

# 如果必须处理命名实体，用带配置的XmlReader加载，避免依赖外部DTD
$settings = New-Object System.Xml.XmlReaderSettings
$settings.DtdProcessing = [System.Xml.DtdProcessing]::Parse
$settings.XmlResolver = $null # 禁止加载外部DTD文件
$reader = [System.Xml.XmlReader]::Create("your-target.xml", $settings)
$xmlDoc.Load($reader)

这样处理后的XML会保持正确的UTF-8编码，重音字符也不会被错误转义，之后再提交给REST端点就不容易出错。

2. 直接提交原始UTF-8字节流，跳过PowerShell字符串转码 #

如果PowerShell的字符串处理实在是绕不开编码问题，那干脆直接读取文件的原始字节，不经过字符串转换就提交：

# 读取原始UTF-8字节
$fileBytes = [System.IO.File]::ReadAllBytes("your-target.xml")

# 设置正确的Content-Type头，告诉MarkLogic这是UTF-8 XML
$headers = @{
    "Content-Type" = "application/xml; charset=utf-8"
}

# 提交原始字节
Invoke-RestMethod -Uri "your-marklogic-rest-endpoint" -Method Post -Body $fileBytes -Headers $headers

这种方法完全绕过了PowerShell的编码转换，直接把文件的原始UTF-8内容发送给MarkLogic，xdmp:document-insert会直接解析原始字节，自然不会出现转义错误。

3. 把实体转换逻辑移到MarkLogic端处理 #

既然你没法保证总能拿到DTD/XSD，不如把命名实体转数值实体的工作交给MarkLogic来做——它对XML的处理比PowerShell专业得多。在你的REST端点对应的XQuery模块里加一段预处理逻辑：

declare function local:resolve-named-entities($node as node()) as node() {
  typeswitch ($node)
    case element() return element {node-name($node)} {
      -- 处理属性里的实体
      for $attr in $node/@*
      return attribute {node-name($attr)} {
        fn:replace($attr, "&([a-zA-Z0-9]+);", function($match) {
          let $entity := $match[1]
          -- 这里可以扩展更多实体映射，或者用内置函数（如果有）
          return if ($entity = "agrave") then "à"
                 else if ($entity = "eacute") then "é"
                 else $match -- 未知实体保留原样
        })
      },
      -- 递归处理子节点
      local:resolve-named-entities($node/node())
    }
    case text() return text {
      fn:replace($node, "&([a-zA-Z0-9]+);", function($match) {
        let $entity := $match[1]
        return if ($entity = "agrave") then "à"
               else if ($entity = "eacute") then "é"
               else $match
      })
    }
    default return $node
};

-- 接收请求体，处理后插入
let $raw-xml := xdmp:request-body()
let $processed-xml := local:resolve-named-entities($raw-xml)
return xdmp:document-insert("/your/doc/path.xml", $processed-xml)

这样一来，PowerShell只需要负责把原始XML发送过去，实体转换的事交给MarkLogic，既避免了PowerShell的编码问题，也更符合XML处理的最佳实践。

关键注意点：一定要设置正确的Content-Type头 #

不管用哪种方案，提交请求时必须把Content-Type头设为application/xml; charset=utf-8，明确告诉MarkLogic你发送的是UTF-8编码的XML内容——这一步很容易被忽略，但却是避免编码解析错误的关键。

内容的提问来源于stack exchange，提问作者Guy Yeates