话说今天在做文件上传功能的时候,遇到了一个比较恶心的编码问题。这个问题导致dom4j无法解析xml字符串,在网上看了许久发现最简单的方式是用文本编辑器讲编码格式转换成UTF-8,有TX可能不知道,大多数编辑器的编码只有UTF-8,例如Windows自带的编辑器,但是像Notepad+一类的编辑器则可以看到更多的编码
请注意,默认的UTF-8的编码其实是UTF8+BOM,这个就是导致dom4j无法解析的原因。下面这个例子,大家看了就会明白了。
当我们读取一个以UTF-8+BOM编码的xml文件,并用dom4j直接进行解析的话会发生这样的尴尬
public static void main(String[] args) {
File file = new File(Thread.currentThread().getContextClassLoader()
.getResource("BOMEncodedFile.xml").getPath());
try {
InputStream inputStream = new FileInputStream(file);
String fileContent = IOUtils.toString(inputStream, "UTF-8");
Document document = DocumentHelper.parseText(fileContent);
System.out.println(document.getRootElement().getName());
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} catch (DocumentException e) {
e.printStackTrace();
}
}
当代码运行到第七行的时候,编译器会抛出
在反复查看文件,并确认文件内容正确无误的时候,我把文件内容一个一个的字符打印了出来,结果出现了红框这个鬼!!!
,我们比较一下以"UTF-8 without BOM"编码的xml文件时长什么样子的
结果一目了然,就是那个鬼导致了异常抛出。网上有很多解决办法,也有牛人给出了一个类去完美解决这个问题,我比较“懒”不想搞得那么麻烦,直接跳过这个不知道是什么鬼的字符就好了,代码如下
public static void main(String[] args) {
File file = new File(Thread.currentThread().getContextClassLoader()
.getResource("BOMEncodedFile.xml").getPath());
try {
InputStream inputStream = new FileInputStream(file);
String fileContent = IOUtils.toString(inputStream, "UTF-8");
char[] chars = fileContent.toCharArray();
StringBuilder sb = new StringBuilder();
for (int i = 0; i < chars.length; i++) {
//逐个打印字符对应的ascii编码
System.out.println("第" + i + "个char的ascii码为:" + (byte) chars[i] + " 字符为:" + chars[i]);
//跳过前面乱七八糟的字符
if ((byte) chars[i] > 0) {
sb.append(chars[i]);
}
}
Document document = DocumentHelper.parseText(sb.toString());
System.out.println(document.getRootElement().getName());
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} catch (DocumentException e) {
e.printStackTrace();
}
}
至于BOM是个什么鬼,大家有兴趣可以去搜搜看了解一下,这里就不赘述了。