java - 当字符串未采用 UTF-8 编码时抛出异常

Question

我有一个方法，其中输入属性之一是 String xml。我只想创建对该 xml 编码的控制。如果任何字符是 UTF-8 以外的其他编码，则会抛出错误。

您能告诉我如何创建和测试它的最简单方法吗？

我用过这样的东西:

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml")); 
Document doc = builder.parse(IOUtils.toInputStream(xml, "UTF-8"));

添加了 Ľ,Š,Ť,Ž,ľ,š,ť,ž 等字母并将其保存为 cp1250 文件。

但没有错误。

我做错了什么？

Answer 1

这不能在 Java 中本地完成。文件只是一串字节，你可以随意解释它们，Java 默认情况下无法添加含义。我建议使用这个库(不，我没有写它):

http://code.google.com/p/juniversalchardet/

按照以下说明进行操作(从该链接复制粘贴):

如何使用

1. 构造 org.mozilla.universalchardet.UniversalDetector 的实例。
2. 通过调用 UniversalDetector.handleData() 将一些数据(通常为数千字节)馈送到检测器。
3. 通过调用 UniversalDetector.dataEnd() 通知检测器数据结束。
4. 通过调用 UniversalDetector.getDetectedCharset() 获取检测到的编码名称。
5. 在重用检测器实例之前，请不要忘记调用 UniversalDetector.reset()。