Question

我正在尝试解析来自不同来源的xml文件（我无法控制）。其中大多数都是用UTF-8编码的，并且使用以下代码段不会导致任何问题：

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
FeedHandler handler = new FeedHandler();
InputSource is = new InputSource(getInputStream());
parser.parse(is, handler);

由于SAX默认为UTF-8，这很好。但是有些文件声明：

<?xml version="1.0" encoding="ISO-8859-1"?>

即使ISO-8859-1被声明为SAX，仍然默认为UTF-8。只有我添加：

is.setEncoding("ISO-8859-1");

SAX会使用正确的编码。

如果我没有专门设置它，我如何让SAX自动从xml声明中检测到正确的编码？我需要这个，因为我事先不知道文件的编码是什么。

提前致谢，艾伦

Answer 1

当您希望Sax自动检测编码时，使用 InputStream 作为InputSource的参数。

如果要设置特定编码，请使用指定编码或setEncoding方法的 Reader 。

为什么呢？因为autodetection encoding algorithms需要原始数据，而不是转换为字符。

主题中的问题是：如何让SAX解析器从xml声明中确定编码？我发现Allan对这个问题的回答是错误的，我提供了另一个，基于JörnHorstmann的评论和我以后的经历。

Answer 2

我自己找到了答案。

SAX解析器在内部使用InputSource，并使用InputSource文档：

SAX解析器将使用 InputSource对象确定如何读取XML输入。如果有的话字符流可用，解析器将直接读取该流，无视任何文本编码在该流中发现的声明。如果没有字符流，但是有一个字节流，解析器将使用该字节流，使用 InputSource中指定的编码否则（如果没有指定编码）自动检测字符编码使用诸如之类的算法 XML规范。如果不是字符流也不是字节流可用，解析器将尝试打开与资源的URI连接由系统标识符标识。

所以基本上你需要将一个字符流传递给解析器，以便它获取正确的编码。请参阅以下解决方案：

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
FeedHandler handler = new FeedHandler();
Reader isr = new InputStreamReader(getInputStream());
InputSource is = new InputSource();
is.setCharacterStream(isr);
parser.parse(is, handler);

如何让SAX解析器从xml声明中确定编码？

2 个答案: