這幾天開(kāi)始學(xué)習dom4j,在網(wǎng)上找了篇文章就開(kāi)干了,上手非常的快,但是發(fā)現了個(gè)問(wèn)題就是無(wú)法以UTF-8保存xml文件,保存后再次讀出的時(shí)候會(huì )報“Invalid byte 2 of 2-byte UTF-8 sequence.”這樣一個(gè)錯誤,檢查發(fā)現由dom4j生成的這個(gè)文件,在使用可正確處理XML編碼的任何的編輯器中中文成亂碼,從記事本查看并不會(huì )出現亂碼會(huì )正確顯示中文。讓我很是頭痛。試著(zhù)使用GBK、gb2312編碼來(lái)生成的xml文件卻可以正常的被解析。因此懷疑的dom4j沒(méi)有對utf-8編碼進(jìn)行處理。便開(kāi)始查看dom4j的原代碼。終于發(fā)現的問(wèn)題所在,是自己程序的問(wèn)題。
在dom4j的范例和網(wǎng)上流行的《DOM4J 使用簡(jiǎn)介》這篇教程中新建一個(gè)xml文檔的代碼都類(lèi)似如下
Document doc = org.dom4j.DocumentHelper.createDocument();
Element root = doc.addElement("book");
root.addAttribute("name", "我的圖書(shū)");
Element childTmp;
childTmp = root.addElement("price");
childTmp.setText("21.22");
Element writer = root.addElement("author");
writer.setText("李四");
writer.addAttribute("ID", "001");
try {
org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
new FileWriter(fileName));
xmlWriter.write(doc);
xmlWriter.close();
}
catch (Exception e) {
System.out.println(e);
}
} public XMLWriter(OutputStream out) throws UnsupportedEncodingException { //System.out.println("In OutputStream"); this.format = DEFAULT_FORMAT; this.writer = createWriter(out, format.getEncoding()); this.autoFlush = true; namespaceStack.push(Namespace.NO_NAMESPACE); } public XMLWriter(OutputStream out, OutputFormat format) throws UnsupportedEncodingException { //System.out.println("In OutputStream,OutputFormat"); this.format = format; this.writer = createWriter(out, format.getEncoding()); this.autoFlush = true; namespaceStack.push(Namespace.NO_NAMESPACE); } /** * Get an OutputStreamWriter, use preferred encoding. */ protected Writer createWriter(OutputStream outStream, String encoding) throws UnsupportedEncodingException { return new BufferedWriter( new OutputStreamWriter( outStream, encoding ) ); } 由上面的代碼我們可以看出dom4j對編碼并沒(méi)有進(jìn)行什么很復雜的處理,完全通過(guò)java本身的功能來(lái)完成。所以我們在使用dom4j的來(lái)生成我們的XML文件時(shí)不應該直接為在構建XMLWriter時(shí),不應該直接為其賦一個(gè)Writer對象,而應該通過(guò)一個(gè)OutputStream的子類(lèi)對象來(lái)構建。也就是說(shuō)在我們上面的代碼中,不應該用FileWriter對象來(lái)構建xml文檔,而應該使用FileOutputStream對象來(lái)構建所以將代碼修改入下: Document doc = org.dom4j.DocumentHelper.createDocument(); Element root = doc.addElement("book"); root.addAttribute("name", "我的圖書(shū)"); Element childTmp; childTmp = root.addElement("price"); childTmp.setText("21.22"); Element writer = root.addElement("author"); writer.setText("李四"); writer.addAttribute("ID", "001"); try { org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter( new FileOutputStream(fileName)
在上面的代碼中輸出使用的是FileWriter對象進(jìn)行文件的輸出。這就是不能正確進(jìn)行文件編碼的原因所在,java中由Writer類(lèi)繼承下來(lái)的子類(lèi)沒(méi)有提供編碼格式處理,所以dom4j也就無(wú)法對輸出的文件進(jìn)行正確的格式處理。這時(shí)候所保存的文件會(huì )以系統的默認編碼對文件進(jìn)行保存,在中文版的window下java的默認的編碼為GBK,也就是所雖然我們標識了要將xml保存為utf-8格式但實(shí)際上文件是以GBK格式來(lái)保存的,所以這也就是為什么能夠我們使用GBK、GB2312編碼來(lái)生成xml文件能正確的被解析,而以UTF-8格式生成的文件不能被xml解析器所解析的原因。
好了現在我們找到了原因所在了,我們來(lái)找解決辦法吧。首先我們看看dom4j是如何實(shí)現編碼處理的
public void createXML(String fileName) {
//注意這里的修改
xmlWriter.write(doc);
xmlWriter.close();
}
catch (Exception e) {
System.out.println(e);
}
}
至此DOM4J的問(wèn)題編碼問(wèn)題算是告一段落,希望對此文章對其他朋友有用。
聯(lián)系客服