在 Maven 构建单元测试中(在 Windows 上)，Java XMLStreamWriter 将 '£' 序列化为不同的字节数据

Question

以下单元测试使用 Java XML API 生成简单的 XML 文档。

import org.junit.Test;

import javax.xml.stream.*;
import java.io.ByteArrayOutputStream;

public class XmlErrorTest {
    @Test
    public void test() throws XMLStreamException {

        final XMLOutputFactory xmlOutFact = XMLOutputFactory.newInstance();    
        final ByteArrayOutputStream baos = new ByteArrayOutputStream();
        final XMLStreamWriter xwtr = xmlOutFact.createXMLStreamWriter(baos);

        xwtr.writeStartDocument();
        xwtr.writeStartElement("Test");
        xwtr.writeCharacters(Character.toString('£'));
        xwtr.writeEndElement();
        xwtr.writeEndDocument();

        xwtr.close();

        System.out.println(baos.toString());
        final byte[] bs = baos.toByteArray();
        for (int i = 27; i < 31; ++i) {
            System.out.println(i + " : " + bs[i] + "(" + (char)bs[i] + ")");
        }
    }
}

如果我直接使用 IDE (Intellij) 运行测试，则会输出以下内容:

<?xml version="1.0" ?><Test>£</Test>
27 : 62(>)
28 : -62(ￂ)
29 : -93(ﾣ)
30 : 60(<)

即£ 符号在输出中正确再现。如果我在 Maven 构建中运行测试，则会得到以下结果:

<?xml version="1.0" ?><Test>�</Test>
27 : 62(>)
28 : -93(?)
29 : 60(<)
30 : 47(/)

即生成的字节数据似乎不正确 - 看起来好像丢失了一个字节。

注意，我在父 pom.xml 文件中指定以下内容:

<properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

当我从 Maven 运行测试时，为什么 XML £ 符号“损坏”？这种情况只发生在 Windows 上 - Linux 和 MacOS 构建似乎未受影响。

这是使用 Java 1.8.0_131 和 Maven 3.3.9。

Answer 1

您可以尝试使用具有指定编码的 Writer 来包装 OutputStream:

final ByteArrayOutputStream baos = new ByteArrayOutputStream();
final OutputStreamWriter stringWriter = new OutputStreamWriter(baos, StandardCharsets.UTF_8);
final XMLStreamWriter xwtr = xmlOutFact.createXMLStreamWriter(stringWriter);

原因是JVM的默认字符集，当你使用IntelliJ运行时，它运行时添加了-Dfile.encoding=UTF-8参数。

您可以使用以下方法检查当前使用的编码:

Charset defaultCharset = Charset.defaultCharset();
System.out.println(defaultCharset);

您可以在运行时将 -Dfile.encoding=UTF-8 添加到 maven 中，但恕我直言，我们不应该依赖默认编码，在进行字节/字符串转换时始终指定编码。前任: 而不是:

//using default charset, we cannot know in runtime    
"test".getBytes();
String foo = new String(bytes);
Reader reader = new FileReader(file);

只需使用这个:

"test".getBytes(StandardCharsets.UTF_8);
String foo = new String(bytes, StandardCharsets.UTF_8);
Reader reader = new InputStreamReader(new FileInputStream(file),"UTF-8");