JDom输出UTF-8的XML完美解决
http://dev.yesky.com/82/8205582.shtml 现象描述:JDom输出Xml文件,当使用字符编码GBK时正常,而输出UTF-8时乱码。
完美的解决方法从辟谣开始:
1)JDOM是否生成UTF-8的文件与Format是否设置无关,只有输出其他字符编码才需要设置,见下面的注释。
2)JDOM输出UTF-8文件乱码的根本原因并非在JDOMAPI,而是在JDK。
具体描述:
JDOM的输出类XMLOutputter有两个output接口,除了都具有一个Document参数外,分别接受Writer和OutputStream参数。
这给我们一个错觉,两个接口可以任意使用。
首先我们用output(doc,System.out)来做测试,此时得到乱码,
然后我们改为output(doc,new PrintWriter(System.out))来测试,输出不是乱码,
也就是说在控制台的时候一定要用一个Writer接口包装一下。
然后我们用output(doc,new FileWriter(path))来做测试,结果却得到乱码,
然后我们改为output(doc,new FileOutputStream(path))来测试,输出不是乱码,
也就是说在输出文件的时候一定要用一个OutputStream接口包装一下。
疯了吧?呵呵,很搞笑是吧。经过到JDOM的源码中调试,发现没有任何问题,问题出在了JDK里面。
JDK内的对应接口处理:
1)PrintWriter类有参数为OutputStream的构造方法,因此可以从System.out包装到PrintWriter
2)FileWriter类没有参数为OutputStream的构造方法,因此不能从FileOutputStream包装到FileWriter
3)如果PrintWriter类用了参数为Writer的构造方法(Writer实现为FileWriter),最后输出也是乱码
4)如果用一个FileOutputStream来包装一个控制台输出,也是乱码
因此,对于JDK内的各种输出体系,各种InputStream、OutputStream、reader和writer要充分认识,否则极容易出现一些意想不到的问题。
测试的JDOM版本:1.0、1.1
测试代码:
Dom4j 编码问题彻底解决
lonsen 发表于 2004-10-31 01:39:00
这几天开始学习dom4j,在网上找了篇文章就开干了,上手非常的快,但是发现了个问题就是无法以UTF-8保存xml文件,保存后再次读出的时候会报“Invalid byte 2 of 2-byte UTF-8 sequence.”这样一个错误,检查发现由dom4j生成的这个文件,在使用可正确处理XML编码的任何的编辑器中中文成乱码,从记事本查看并不会出现乱码会正确显示中文。让我很是头痛。试着使用GBK、gb2312编码来生成的xml文件却可以正常的被解析。因此怀疑的dom4j没有对utf-8编码进行处理。便开始查看dom4j的原代码。终于发现的问题所在,是自己程序的问题。
在dom4j的范例和网上流行的《DOM4J 使用简介》这篇教程中新建一个xml文档的代码都类似如下 public void createXML(String fileName) { Document doc = org.dom4j.DocumentHelper.createDocument(); Element root = doc.addElement("book"); root.addAttribute("name", "我的图书"); 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); } } 在上面的代码中输出使用的是FileWriter对象进行文件的输出。这就是不能正确进行文件编码的原因所在,java中由Writer类继承下来的子类没有提供编码格式处理,所以dom4j也就无法对输出的文件进行正确的格式处理。这时候所保存的文件会以系统的默认编码对文件进行保存,在中文版的window下java的默认的编码为GBK,也就是所虽然我们标识了要将xml保存为utf-8格式但实际上文件是以GBK格式来保存的,所以这也就是为什么能够我们使用GBK、GB2312编码来生成xml文件能正确的被解析,而以UTF-8格式生成的文件不能被xml解析器所解析的原因。 好了现在我们找到了原因所在了,我们来找解决办法吧。首先我们看看dom4j是如何实现编码处理的 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 ) ); } 由上面的代码我们可以看出dom4j对编码并没有进行什么很复杂的处理,完全通过java本身的功能来完成。所以我们在使用dom4j的来生成我们的XML文件时不应该直接为在构建XMLWriter时,不应该直接为其赋一个Writer对象,而应该通过一个OutputStream的子类对象来构建。也就是说在我们上面的代码中,不应该用FileWriter对象来构建xml文档,而应该使用FileOutputStream对象来构建所以将代码修改入下: public void createXML(String fileName) { Document doc = org.dom4j.DocumentHelper.createDocument(); Element root = doc.addElement("book"); root.addAttribute("name", "我的图书"); Element childTmp; childTmp = root.addElement("price"); childTmp.setText("21.22"); Element writer = root.addElement("author"); writer.setText("李四"); writer.addAttribute("ID", "001"); try { //注意这里的修改 org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter( new FileOutputStream(fileName)); xmlWriter.write(doc); xmlWriter.close(); } catch (Exception e) { System.out.println(e); } } 至此DOM4J的问题编码问题算是告一段落,希望对此文章对其他朋友有用。 (#) |
|