我的问题如下。我正在读取一个 XML 文件,其文本节点部分包含 UTF-8 版本的左双引号和右双引号。文本被提取,缩短为 3999 字节并放入新的 XML 格式,然后保存为文件。
虽然输入文件中的 Notepad++ 可以正确显示这两个符号,但输出文件包含无效的 utf-8 字符,甚至 Notepad++ 也无法显示。
开头的双引号打印正确,但结尾的双引号被毁容了。
使用十六进制编辑器,我发现代码单元以某种方式从
E2 80 9D
在输入文件中
E2 80 3F
在输出文件中。 我正在使用 sax-parser 进行 xml 解析。
是否存在任何可能导致此类行为的已知错误?
最佳答案
这不是已知错误,而是在读取文件或写入文件时遗漏编码的常见错误 - 导致使用的平台默认编码在本例中为 Windows-1252。
当您最初读取文件时,您应该指定 UTF-8 解码,而当写入新文件时,您应该指定 UTF-8 编码。如果您发布您的实现,我可以就地更正。
如何重现:
byte[] quoteutf8 = {(byte)0xE2, (byte)0x80, (byte)0x9D};
String decodedPlatformDefault = new String(quoteutf8, "Windows-1252");
byte[] encodedPlatformDefault = decodedPlatformDefault.getBytes("Windows-1252");
for( byte i : encodedPlatformDefault ) {
System.out.print(String.format( "%02x ", i ));
//e2 80 3f
}
关于java - 未知的 UTF-8 代码单元关闭双引号,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14379123/