使用 XMLStreamReader 转义字符

Question

我正在使用 XMLStreamReader 读取 xml 文件。

该文件包含以下格式的转义 cahrecters：ü。

在我看来，这两个转义字符应该代表字符“ü”（UTF-8 编码？）

但 xml 流阅读器会创建以下字符串：ã¼

我在创建阅读器的过程中是不是做错了什么？

Reader inputReader = Files.newBufferedReader(this.xmlFile.toPath(), StandardCharsets.UTF_8);
XMLInputFactory fact = XMLInputFactory.newInstance();
fact.setProperty("javax.xml.stream.isCoalescing", true);
XMLStreamReader parser = fact.createXMLStreamReader(inputReader);

Answer 1

我在创建阅读器的过程中是不是做错了什么？

不，错误是由最初创建文件的人造成的。一个字符引用代表一个 Unicode 代码点，因此如果要将 ü 表示为一个字符引用，它应该是 ü 或 ü。这里似乎发生的事情是，创建文件的人以某种方式混淆了他们的编码，并将 U+00FC 的 UTF-8 编码中的每个字节视为一个单独的字符，并将这些字符中的每一个序列化为字符引用。

如果您无法在源代码中更正文件，那么您必须自己进行事后修复。如果一直应用此文件中的错误编码，则 XMLStreamReader 将为您提供一个 Java 字符串，其中包含所有 char 值。由于 Unicode 字符 0-255 与 ISO-8859-1 相同，因此编码此字符串为 ISO-8859-1 将为您提供包含相同字节值的 byte[]，然后您可以将其de编码为 UTF-8 以获得正确的字符串：

String correctString = new String(mangledString.getBytes("ISO-8859-1"), "UTF-8");