Dom4j 写文件编码问题

网上有很多介绍dom4j的使用的文章，包括官方自己的举例。但是在写或者修改xml文件时，如果直接按教程方法写，就会遭遇编码问题，往往会报遇到不可 识别的符号的错误。而在windows系统下，用记事本打开可能看起来很正常似的，比如看到xml编码标签那写的<?xml version="1.0" encoding="UTF-8"?>这样的格式。细心的人用EditPlus打开，就会发现编码实际上并非utf-8，可能是gbk。

我们来看写文件时用到的XMLWriter，他提供以下几种构造方法：

XMLWriter ()

XMLWriter (OutputFormat format)

XMLWriter (OutputStream out)

XMLWriter (OutputStream out, OutputFormat format)

XMLWriter (Writer writer)

XMLWriter (Writer writer, OutputFormat format)

 

 最简单常用的可能是new XMLWriter(new FileWriter(...))这样的形式。可如果你一旦这么用，就会造成编码问题。由于dom4j对于文件编码的选择是才用java本身类的处理方式 （可以从源码看到），这么写就是采用FileWriter的处理方式，而FileWriter是不提供对编码的处理的。于是会调用系统自身的编码，比如用 中文操作系统，编码方式就是gbk，然后默认的，他赫然会在文件头写上<?xml version="1.0" encoding="UTF-8"?>。也就是说，他以当前操作系统的编码保存文件，并且竟然自动添加文件头为"utf-8"格式，这会导致很多程 序无法读取正确编码，而且具有很差的移植性（比如在windows下开发，放到linux服务器下跑，毕竟一般linux服务器默认local都是 utf-8）。

解决途径一：使用new XMLWriter(new FileOutputStream(...))方法。这样做，因为dom4j默认使用utf-8编码，即xml文件头默认编码方式，并且内容也会使用utf-8保存，这样可以做到一致的编码，不会出问题。

解决途径二：使用new XMLWriter(new FileOutputStream(...), outputFormat)的构造方法。

OutputFormat xmlFormat = OutputFormat.createPrettyPrint();

xmlFormat.setEncoding("utf-8");

XmLWriter writer = new XMLWriter(new FileOutputStream(...), xmlFormat);

writer.write(document);

writer.close();

如上，setEncoding可以设置存储的文件编码格式，createPrettyPrint是得到美化xml格式输出。这样的话，在不同的环境下可以获得同样的编码读写，并且真正保证了文件标称与实际编码的一致性。

【注意】 如 果你使用OutputFormat是为了设置文件编码，那千万别用 XMLWriter(new FileWriter(...), outputFormat)构造方法，因为前面已经说了，FileWriter不会处理编码，所以即使你使用 format.setEncoding("utf-8");他仍然不会使用utf-8编码，而只是把文件头指定为utf-8，这类似不使用 outputFormat的情况。而网上好多人举例用了XMLWriter writer = new XMLWriter( new FileWriter( " output.xml " ),format); 那是因为他们format.setEncoding("gbk");而windows默认就是gbk，这当然使实际编码与标称的配套了。但实际上，这种方 法是不正确的，java并没有按你写的"gbk"进行编码，而是使用了系统默认编码而已，放到linux就会出现错误，所以一定的小心。

 

把编码交给操作系统来控制一向是罪恶的，包括java其他地方的参数传递等，如request的参数传递，其他文件读写，如果不使用编码过滤器，不进行编 码指定，可能使得整个系统失去移植性，并产生完全不可预期的错误。找起来头大不说，有时候看到encoding="UTF-8"，实际上却是gkb编码会 让你错过关键调试点。

还有就是记事本的罪恶性，用记事本打开不同编码的文件，往往得不到预期的效果，而且你无从得知他到底是用何种编码打开，一般使用EditPlus指定编码打开会好很多。