我正在尝试用Java读取UTF-16 xml文件。 该文件是用C#编写的。
这是java代码:
import java.io.File;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
public class XMLReadTest
{
public static void main(String[] s)
{
try
{
File fXmlFile = new File("C:\\my_file.xml");
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(fXmlFile);
doc.getDocumentElement().normalize();
NodeList nList = doc.getElementsByTagName("row");
for (int temp = 0; temp < nList.getLength(); temp++)
{
Node nNode = nList.item(temp);
if (nNode.getNodeType() == Node.ELEMENT_NODE)
{
Element eElement = (Element) nNode;
System.out.println("FILE_NAME: " + eElement.getElementsByTagName("FILE_NAME").item(0).getTextContent());
}
}
}
catch(Exception ex)
{
ex.printStackTrace();
}
}
}
这是xml文件:
<?xml version="1.0" encoding="utf-16" standalone="yes"?>
<docMetadata>
<row>
<FILE_NAME>Выписка_Винтовые насосы.pdf</FILE_NAME>
<FILE_CAT>GENERAL</FILE_CAT>
</row>
</docMetadata>
在eclipse和Run / Debug设置窗口中运行此代码时,在名为“Common”的最后一个选项卡中,所选编码为Default - Inherited(Cp1253),我得到的输出是错误的:
FILE_NAME:??????? _ ???????? ??????。PDF
当同一选项卡中的选择编码为UTF-8时,输出为OK:
FILE_NAME:Выписка_Винтовыенасосы.pdf
我做错了什么?
如何在eclipse项目设置中使用默认编码(cp 1253)获得正确的输出?
此代码在服务器中运行,我不想更改虚拟机的默认编码。
我已经用Java 7和Java 8
测试了这段代码答案 0 :(得分:1)
问题与XML本身无关。 Java字符串是UTF-16编码的,Document
正在将XML数据正确解码为UTF-16字符串。真正的问题是你将Eclipse设置为使用cp1253
(Windows-1253希腊语,它与ISO-8859-7希腊语略有不同)作为其控制台字符集,但是您尝试输出的大多数Unicode字符(俄语)根本不存在于该charset中,因此它们被替换为?
。这也解释了为什么当控制台字符集设置为UTF-8时输出是正确的,因为UTF8&lt; - &gt; UTF16转换是无损的。
答案 1 :(得分:0)
尝试在输入流中明确设置编码:
Document doc = dBuilder.parse(new InputStreamReader(new FileInputStream(fXmlFile), "UTF-16"));
答案 2 :(得分:0)
如何在eclipse项目设置中使用默认编码(cp 1253)获得正确的输出?
你做不到。要查看正确的输出,控制台必须知道要显示的字符。
此代码在服务器中运行,我不想更改虚拟机的默认编码。
您可以编写一个UTF-8/16日志文件,您可以在其中使用来自其他控制台或文本编辑器的cat查看输出。
if (nNode.getNodeType() == Node.ELEMENT_NODE)
{
Element eElement = (Element) nNode;
String message = "FILE_NAME: " + eElement.getElementsByTagName("FILE_NAME").item(0).getTextContent();
System.out.println(message);
// output FILE_NAME to logfile.txt (quick and dirty)
OutputStreamWriter writer = new OutputStreamWriter(new FileOutputStream(new File("logfile.txt")), "UTF-8");
writer.write(message);
writer.close();
}
我在运行配置中使用ISO-8859-1编码在eclipse中运行此代码。
Eclipse输出:FILE_NAME:??????? _ ???????? ??????。PDF
日志文件输出:FILE_NAME:Выписка_Винтовыенасосы.pdf
答案 3 :(得分:0)
我使用旧的dom4j库来解析xml,这导致了问题。 使用JVM 1.7 embeded库解决了这个问题:
import java.io.File;
import java.io.StringReader;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import org.xml.sax.InputSource;
public XMLDoc()
{
try
{
File xmlFile = new File("C:\\my_file.xml");
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(xmlFile);
doc.getDocumentElement().normalize();
NodeList nList = _doc.getElementsByTagName("row");
for (int i = 0; i < nList.getLength(); i++)
{
Node nNode = nList.item(i);
if (nNode.getNodeType() == Node.ELEMENT_NODE)
{
Element eElement = (Element) nNode;
Node itemNode = eElement.getElementsByTagName("FILE_NAME").item(0);
String text = itemNode != null ? itemNode.getTextContent() : "";
// russian text is fine here
}
}
}
catch(Exception e)
{
e.printStackTrace();
}
}