使用 SAX 解析器解析包含变音符号的 XML 文件

Question

我浏览了很多关于同一问题的帖子，但我无法弄清楚。我试图解析一个带有变音符号的 XML 文件。这就是我现在拥有的：

File file = new File(this.xmlConfig);
InputStream inputStream= new FileInputStream(file);
Reader reader = new InputStreamReader(inputStream,"UTF-8");

InputSource is = new InputSource(reader);
is.setEncoding("UTF-8");

saxParser.parse(is, handlerConfig);

但它不会正确地得到变音符号。 Ä、Ü 和 Ö 将只是奇怪的字符。该文件绝对是 utf-8 格式，第一行是这样声明的：<?xml version="1.0" encoding="utf-8"?>

我做错了什么？

Answer 1

第一条规则：不要再猜测 XML 文档中使用的编码。始终使用字节流来解析 XML 文档：

InputStream inputStream= new FileInputStream(this.xmlConfig);
InputSource is = new InputSource(inputStream);
saxParser.parse(is, handlerConfig);

如果这不起作用，则 XML 中的 <?xml version=".." encoding="UTF-8" ?>（或其他）是错误的，您必须从那里获取它。

第二条规则：确保使用支持目标或结果文档中使用的编码的工具检查结果。有吗？

第三条规则：检查源文档中的字节值。调出您最喜欢的 HEX 编辑器/查看器并检查内容。例如，字母Ä应该是字节序列0xC3 0x84，如果编码是UTF-8。

第四条规则：如果它看起来不正确，请始终怀疑 UTf-8 源被视为或解释为 ISO-8859-1 源。通过将 UTF-8 源的第一个和第二个字节与 ISO 8859-1 code charts 进行比较来验证这一点。

更新：

UNICODE 字母ä（带分号的拉丁小写字母a，U+00E4）的字节序列在UTF-8 编码中为0xC3 0xA4。如果您使用的查看工具只能理解（或配置为将源解释为）ISO-8859-1 编码，则第一个字节0xC3是字母Ã，第二个字节是字母¤ ，或货币符号 (Unicode U+00A4)，可能看起来像一个圆圈。

因此，Android 中的“TextView”会将您的输入解释为 ISO-8859-1 流。我不知道是否可以改变它。但是，如果您将解析结果作为字符串或字节数组，则可以将其转换为 ISO-8859-1 流（或字节数组），然后将其提供给“TextView”。