Question

我正在尝试解析包含希伯来语字符的XML文件。我知道该文件是正确的，因为如果我输出文件（来自不同的软件）没有希伯来字符，它解析就好了。

我尝试了很多东西，但我总是得到这个错误

MalformedByteSequenceException: Invalid byte 1 of 1-byte UTF-8 sequence.

我最近的尝试是使用FileInputStream打开它并指定编码

DocumentBuilder db = dbf.newDocumentBuilder();
document = db.parse(new FileInputStream(new File(xmlFileName)), "Cp1252");

（Cp1252是一种在不同应用中适合我的编码）但我得到了同样的结果。

尝试使用ByteArray，没有任何效果。

有什么建议吗？

Answer 1

如果您知道文件的正确编码并且它不是“utf-8”，那么您可以将其添加到xml标题中：

<?xml version="1.0" encoding="[correct encoding here]" ?>

或将其解析为Reader：

db.parse(new InputStreamReader(new FileInputStream(new File(xmlFileName)), "[correct encoding here]"));

Answer 2

解决方案非常简单，以UTF-8格式获取内容，并覆盖SAX输入源。

File file = new File("c:\\file-utf.xml");
InputStream inputStream= new FileInputStream(file);
Reader reader = new InputStreamReader(inputStream,"UTF-8");

InputSource is = new InputSource(reader);
// is.setEncoding("UTF-8"); -> This line causes error! Content is not allowed in prolog

saxParser.parse(is, handler);

您可以在此处阅读完整示例 - http://www.mkyong.com/java/how-to-read-utf-8-xml-file-in-java-sax-parser/

MalformedByteSequenceException：1字节UTF-8序列的无效字节1。当使用希伯来语字符时

2 个答案: