关于DOM4J处理XML文件中的编码问题

   今天项目中遇到两个异常
   其一、
    org.dom4j.DocumentException: no protocol: <?xml version="1.0" encoding="UTF-8"?>
    产生这个异常的语句是
    document=reader.read(new String(xml.getBytes("UTF-8")));

    其二、
    org.dom4j.DocumentException: Error on line 2 of document  : Invalid byte 2 of 2-byte UTF-8        sequence.
    document= reader.read(new StringInputStream(xml));

   错误原因在百度之后就已经知道--传说中的中文字符问题（一直是折腾人的问题，本人不是计算机出身，算是个半吊子的计算机程序员，对编码这个东西，还真搞不懂计算机是怎么工作的，望哪位大侠出来指点迷津^_^）！我的xml字符串头部信息为<?xml version="1.0" encoding="UTF-8"?>,而在处理的时候估计变成了GBK了（或者其他的编码..），但是始终不知道怎么解决。最后我那就想了个最笨的方法，那个就是试，那个给我试的啊！真那个叫心酸...
   尝试过将字符串转码--new String(xml.getBytes("utf-8"),"utf-8")...

   尝试过将字符串放入各种流（因为我发现直接用request.getInputStream()读取同样的XML字符串不会出错）然后试，结果我就发现了一种写法不会出错，那就是下面的语句：
    document= reader.read(new StringInputStream(xml));
    也不知道是啥原因...研究中！
    参考文章：点击..进入

 

评论

2 楼 cn-done 2011-10-08  

cn-done 写道

document= reader.read(new StringInputStream(xml));

默认是GBK处理，===》document= reader.read(new StringInputStream(xml,"GBK"));

补充下：===》document= reader.read(new StringInputStream(xml,System.getProperty("file.encoding")));

1 楼 cn-done 2011-10-08  

document= reader.read(new StringInputStream(xml));

默认是GBK处理，===》document= reader.read(new StringInputStream(xml,"GBK"));