使用dom4j阅读时转换文档编码
提问于 2009-06-11 08:29:31
有什么方法可以将由dom4jUTF-8解析的文档从SAXReader -8859-2编码转换成UTF-8？我需要在解析时发生这种情况，以便dom4j创建的对象已经是Unicode/UTF-8，并运行如下代码：
"some text".equals(node.getText());返回true。
回答 2
Stack Overflow用户
回答已采纳
发布于 2009-06-11 08:45:33
这是由dom4j自动完成的。Java语言中的所有String实例都是一种通用的解码形式；一旦创建了String，就不可能知道原始字符编码是什么(或者即使字符串是从编码的字节中创建的)。
只需确保XML文档具有指定的字符编码(这是必需的，除非它是UTF-8)。
Stack Overflow用户
发布于 2009-06-11 08:50:01
解码发生在InputSource中(或之前)(在SAXReader之前)。来自该类的javadoc：
XML解析器将使用InputSource对象来确定如何读取
输入。如果有可用的字符流，解析器将直接读取该流，而不考虑在该流中找到的任何文本编码声明。如果没有字符流，但有字节流，解析器将使用该字节流，使用InputSource中指定的编码，否则(如果未指定编码)使用诸如XML规范中的算法自动检测字符编码。如果字符流和字节流都不可用，解析器将尝试打开与系统标识符所标识的资源的URI连接。
所以这取决于您是如何创建InputSource的。为了保证正确的解码，你可以使用如下代码：
InputStream stream = <input source>
Charset charset = Charset.forName("ISO-8859-2");
Reader reader = new BufferedReader(new InputStreamReader(stream, charset));
InputSource source = new InputSource(reader);页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/982160
复制相关文章
腾讯云开发者
