Question

我已经浏览了很多关于同样问题的帖子，但我无法弄清楚。我试图用变音符号解析XML文件。这就是我现在所拥有的：

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);

但它不能正确使用变音符号。 Ä，Ü和Ö将只是奇怪的角色。该文件肯定是在utf-8中，并且第一行声明为这样：<?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，XML中的<?xml version=".." encoding="UTF-8" ?>（或其他）是错误的，你必须从那里拿走它。

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。你呢？

第三条规则：检查源文档中的字节值。打开您最喜欢的HEX编辑器/查看器并检查内容。例如，如果编码为UTF-8，则字母Ä应为字节序列0xC3 0x84。

Forth规则：如果看起来不正确，则始终怀疑UTf-8源被查看或解释为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。

<强>更新

UTF-8编码中UNICODE字母ä（带有diaresis的拉丁文小写字母，U + 00E4）的字节序列为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为字母Ã，第二个字节为字母¤或货币符号（Unicode U + 00A4），可能看起来像一个圆圈。

因此，Android中的“TextView”功能将您的输入解释为ISO-8859-1流。我不知道是否有可能改变它。但是，如果您将解析结果作为String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”。

使用SAX解析器解析包含umlaute的XML文件

1 个答案: