Question

我有一个包含阿拉伯字符的xml文件。当我尝试解析文件时，会出现异常，MalformedByteSequenceException：2字节UTF-8序列的无效字节2。我使用POI DOM来解析文档。< / p>

日志是，

2012-03-19 11:30:00,433 [ERROR] (com.infomindz.remitglobe.bll.remittance.BlackListBean) - Error 

com.sun.org.apache.xerces.internal.impl.io.MalformedByteSequenceException: Invalid byte 2 of 2-byte UTF-8 sequence.

    at com.sun.org.apache.xerces.internal.impl.io.UTF8Reader.invalidByte(Unknown Source)

    at com.sun.org.apache.xerces.internal.impl.io.UTF8Reader.read(Unknown Source)

    at com.sun.org.apache.xerces.internal.impl.XMLEntityScanner.load(Unknown Source)

    at com.sun.org.apache.xerces.internal.impl.XMLEntityScanner.skipChar(Unknown Source)

    at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl$FragmentContentDriver.next(Unknown Source)

    at com.sun.org.apache.xerces.internal.impl.XMLDocumentScannerImpl.next(Unknown Source)

    at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanDocument(Unknown Source)

    at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)

    at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)

    at com.sun.org.apache.xerces.internal.parsers.XMLParser.parse(Unknown Source)

    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)

    at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)

    at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)

    at com.infomindz.remitglobe.bll.remittance.BlackListBean.updateGeneralBlackListDetail(Unknown Source)

    at com.infomindz.remitglobe.bll.remittance.schedulers.BlackListUpdateScheduler.executeInternal(Unknown Source)

    at org.springframework.scheduling.quartz.QuartzJobBean.execute(QuartzJobBean.java:86)

    at org.quartz.core.JobRunShell.run(JobRunShell.java:216)

    at org.quartz.simpl.SimpleThreadPool$WorkerThread.run(SimpleThreadPool.java:549)

异常只出现在Windows机器上，而不是出现在Linux机器上。如何解决这个问题。任何建议都应该引人注意。

Answer 1

我通过使用UTF8格式创建XML文件来解决问题。

OutputStreamWriter bufferedWriter = new OutputStreamWriter(filePath +
                        System.getProperty("file.separator") + fileName), "UTF8");

使用上面的代码创建文件后，解决了编码问题。谢谢每一个，把努力放在这里。

Answer 2

你可以在你的jvm中添加一个jvm参数 -Dfile.encoding = utf-8 。

Answer 3

我们从消息中可以看出，该文件未正确编码为UTF-8。要弄清楚原因，您需要跟踪文件创建方式的历史记录。它可能（或可能不）有助于研究二进制级别的文件内容以查看实际编码是什么。例如，知道整个文件的编码是否错误，或者它是否只包含错误编码中的一些杂散字符可能很有用。

Answer 4

非常简单的解决方案：

--git-dir

参考：http://www.mkyong.com/java/sax-error-malformedbytesequenceexception-invalid-byte-1-of-1-byte-utf-8-sequence/

Answer 5

我认为你的解析器需要一个以UTF-8编码的字节，并以不同的编码接收它。检查文件的编码。

可能的解决方案可能是将文件转换为UTF-8。

如果你有一个unix系统，你可以使用这个工具

iconv -f original_charset -t utf-8 your_file > new_file

Answer 6

这是基于操作系统的开始文档字符。您应该使用一些字节查看器并从文档中删除它。您可以尝试使用unix2dos之类的内容来转换控制字符。

MalformedByteSequenceException：2字节UTF-8序列的无效字节2

6 个答案: