Question

我有一个java应用程序，它解析用utf-16le编码的xml文件。由于非法的xml字符，xml在解析时一直错误输出。我的解决方案是将此文件读入java字符串，然后删除xml字符，以便可以成功解析。它的工作率为99％但是这个过程的输入输出有一些细微的差别，不是由于非法字符被删除，而是从utf-16le编码转换为java字符串utf-16 ..我想

BufferedReader reader = null;
    String fileText = ""; //stored as UTF-16
    try {
        reader = new BufferedReader(new InputStreamReader(in, "UTF-16LE"));
        for (String line; (line = reader.readLine()) != null; ) {
            fileText += line;
        }
    } catch (Exception ex) {
        logger.log(Level.WARNING, "Error removing illegal xml characters", ex);
    } finally {
        if (reader != null) {
            reader.close();
        }
    }

//code to remove illegal chars from string here, irrelevant to problem 

        ByteArrayInputStream inStream = new ByteArrayInputStream(fileText.getBytes("UTF-16LE"));
    Document doc = XmlUtil.openDocument(inStream, XML_ROOT_NODE_ELEM);

从UTF-16LE转到UTF-16时，字符是否会发生变化？有没有办法在java中执行此操作并确保输入与输出完全相同？

Answer 1

当然有一个问题是readLine会抛弃结束的行。

您需要执行以下操作：

       fileText += line + "\r\n";

否则，XML属性，DTD实体或其他东西可能会粘在一起，至少需要一个空格。此外，您不希望文本内容在包含换行符时被更改。

使用

可以改善性能（速度和内存）

StringBuilder fileText = new StringBuilder();
... fileText.append(line).append("\n");
... fileText.toString();

然后文件的第一个字符可能存在问题，即有时会添加冗余：BOM char。

line = line.replace("\uFEFF", "");

从UTF-16LE编码文件中删除非法的xml字符

1 个答案: