Question

我正在使用Jena生成一些RDF文件。整个应用程序使用utf-8文本。源代码也存储在utf-8中。

当我在控制台上打印包含非英文字符的字符串时，我会得到正确的格式，例如Est un lieu généralement officielle assis...。

然后，我使用RDF编写器输出文件：

Model m = loadMyModelWithMultipleLanguages()
log.info( getSomeStringFromModel(m) ) // log4j, correct output
RDFWriter w = m.getWriter( "RDF/XML" ) // default enc: utf-8
w.setProperty("showXmlDeclaration","true") // optional  
OutputStream out = new FileOutputStream(pathToFile)
w.write( m, out, "http://someurl.org/base/" )
// file contains garbled text

RDF文件以：<?xml version="1.0"?>开头。如果我添加utf-8没有任何变化。

默认情况下，文本应编码为utf-8。生成的RDF文件验证正常，但是当我使用任何编辑器/可视化工具（vim，Firefox等）打开它时，非英语文本全部搞砸了：Est un lieu g√©n√©ralement officielle assis ...或Est un lieu g\u221A\u00A9n\u221A\u00A9ralement officielle assis...。（无论哪种方式，从用户的角度来看，这显然是不可接受的）。 Jena支持的任何输出格式都会出现同样的问题（RDF，NT等）。

我无法找到合乎逻辑的解释。 official documentation似乎无法解决此问题。

我可以运行任何提示或测试来弄明白吗？

Answer 1

我的猜测是你的字符串搞砸了，你的printStringFromModel()方法恰好以一种意外地使它们正确显示的方式输出它们，但是如果没有更多的信息就很难说。

您正在指示Jena在RDF / XML文件中包含XML声明，但没有说明Jena在XML声明中声明了什么编码（如果有的话）。这将有助于了解。

您也没有在printStringFromModel()方法中显示如何打印字符串。

此外，在Firefox中，转到“视图”菜单，然后转到“字符编码”。选择了什么编码？如果它不是UTF-8，那么选择UTF-8会发生什么？在选择其他编码时，您是否能够正确显示内容？

修改：您在帖子中显示的代码段看起来很好，应该可以使用。我最好的猜测是将源字符串读入Jena模型的代码被破坏，并将UTF-8源读取为ISO-8859-1或类似内容。您应该能够通过检查其中一个违规字符串的length()来确认或断言：如果é这样的每个麻烦字符都计为两个，那么错误就在读取;如果它被正确地算作一个，那就是写作。

Answer 2

我的提示/答案是检查3个地方的字节序列：

数据源。使用hex editor，确认源数据中的é字符由预期的utf-8十六进制序列0xc3a8表示。
在记忆中。在调用printStringFromModel之后，放入一个断点并检查字符串中的字节（或convert to hex and print them out。
输出文件。再次，使用十六进制编辑器检查字节序列是0xc3a8。

这将准确说明字节沿着程序路径行进时发生的情况，以及它们偏离预期的0xc3a8的位置。

Answer 3

解决此问题的最佳方法是打包代表您可以演示问题的最小代码单元，并在Jena Jira上提交一个完整的，可运行的测试用例作为故障单。

使用Jena在I / O中编码问题

3 个答案: