字符unicode值

Question

我有一个用UTF-8编码的XML文件。当我用Java打开它时，一些（理论上有效的）字符仍然被编码。例如，我尝试获取&#66352字符：

String str = new String(line.getBytes("UTF-8")); System.out.println(str.charAt(pos));

其中pos是它应该的位置。 我得到的是&字符。

当我用Notepad ++打开它并确保它编码UTF-8时，我遇到了同样的问题。

在我看来，应该有两种方法：从头开始只使用代码（无字符）或用字符替换所有代码。

我该怎么做以及如何做？

Answer 1

您需要一个合适的XML解析器。您可以为该任务使用一些反序列化框架（如XStream或JAXB），或使用Java提供的DOM解析类：org.w3c.dom

以下是使用org.w3c.dom包的一些示例：How to read XML file in Java

我的个人偏好是XStream库，但这可能取决于XML文件的复杂性。

Answer 2

1. 请不要在没有指定字符集的情况下从字节数组构造字符串，这总是一个问题的迹象。

2. 如果charAt返回＆符号，那么您要么不使用xml解析器来加载文件，要么字符是双重编码的，如&66352;。

3. 字符66352不适合Java的16位字符数据类型，因此被编码为String中的两个代理字符。在这种情况下，您应该使用codePointAt方法。