分类读入、解析XML

在最近的一个项目，经常需要读取XML进行预处理，将处理后内容写入中间文件（xml），
现在出现的一个问题是，某些中间文件，在JDOM载入进行build时，报出如下错误：

Error:	Error on line 1 of document file:/C:/eclipse/workspace/Cmd/deleteme1.xml: Content is not 

allowed in prolog.

打开此文件，发现其第一行内容为：

<?xml version="1.0" encoding="UTF-8"?>

通过UltraEdit查看其16进制，发现前面3个字符（6个字节）为： C3 AF C2 BB C2 BF；

查看原文件，开头含有两字节FF FE；对比其他文件并不含。

此处需要插入BOM头的内容：

引用

UTF的字节序和BOM
UTF -8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如 “

奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是 “乙”？

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想

法：

在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传

输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。

这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH

NO-BREAK SPACE"又被称作BOM。

UTF -8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是 EF BB BF（读者可以

用我们前面介绍的编码方法验证一下）。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

Windows就是使用BOM来标记文本文件的编码方式的。

请参考：谈谈Unicode编码，简要解释UCS、UTF、BMP、BOM等名词

现在发现就是出错文件含有BOM头，而在读取时并没有使用相应encoding， 
BufferedReader br = new BufferedReader(new FileReader(oldFile));
这样读取使用的话，应该是使用的eclipse默认编码（与当前Java文件编码相同？），还没想明白。

解决办法如下：

BufferedReader br = new BufferedReader(new FileReader(oldFile));
            
            br.mark(10);
            int b1,b2,b3;
            String readEncoding = defaultReadEncoding;
            b1 = br.read();
            b2 = br.read();
            b3 = br.read();
            if(b1==0xef && b2==0xbb && b3==0xbf){
            	readEncoding = "UTF8";
            }else if(b1== 0xfe && b2==0xff){
            	readEncoding = "UnicodeBig";
            }else if(b1== 0xff && b2==0xfe){
            	readEncoding = "UnicodeLittle";
            }
            if(readEncoding==null){
            	br.reset();
            }else{
            	br.close();
            	FileInputStream fis = new FileInputStream(oldFile);
            	InputStreamReader isr = new InputStreamReader(fis, readEncoding);
            	br = new BufferedReader(isr);
            }

而在写入时，使用代码

			FileOutputStream fos = new FileOutputStream(newFile);
 			BufferedWriter bw = new BufferedWriter(new OutputStreamWriter(fos, "UTF8"));

这是没有问题的，前面出现问题是因为使用了错误的编码读取了6个错误字节而在写入前已经出现错误。

还有些东西、点没想通，再补充。