Question

使用javax.xml.transform我创建了这个ISO-8859-1文档，其中包含两个＆##编码字符쎼和쎶：

<?xml version="1.0" encoding="ISO-8859-1"?>
<xml>&#50108; and &#50102;</xml>

问题：符合标准的XML阅读器如何解释쎼和쎶，

就像普通＆amp;＃...字符串一样（未转换回쎼和쎶）
为쎼和쎶

生成XML的代码：

public void testInvalidCharacter() {
    try {
        String str = "\uC3BC and \uC3B6"; // 쎼 and 쎶
        System.out.println(str);

        DocumentBuilder builder = DocumentBuilderFactory.newInstance().newDocumentBuilder();
        Document doc = builder.newDocument();
        Element root = doc.createElement("xml");
        root.setTextContent(str);
        doc.appendChild(root);

        DOMSource domSource = new DOMSource(doc);

        Transformer transformer = TransformerFactory.newInstance().newTransformer();
        transformer.setOutputProperty(OutputKeys.ENCODING, StandardCharsets.ISO_8859_1.name());

        StringWriter out = new StringWriter();
        transformer.transform(domSource, new StreamResult(out));

        System.out.println(out.toString());

    } catch (ParserConfigurationException | DOMException | IllegalArgumentException | TransformerException e) {
        e.printStackTrace(System.err);
    }
}

Answer 1

XML Parser将识别'＆amp;＃...'转义语法，并正确地返回쎼和쎶及其API元素的文本。例如。在Java中，带有标记名称'xml'的Element的org.w3c.dom.Element.getTextContent（）方法将返回带有Unicode字符的String，尽管您的XML文档本身是ISO-8859-1

在ISO-8859-1编码的XML文档中解码Unicode字符

1 个答案: