我的公司与世界各地的客户进行了大量的 XML 转换工作。因此,我们有时会遇到字符编码问题。我们的应用程序有一个组件,旨在将输入流标准化为特定的字符编码。它运作良好......但有一个问题。
在某些情况下,我们需要运行它两次。对于我的一生,我无法告诉你为什么,我一直在努力找出造成这种情况的原因,但我一无所获。只是似乎有一些文件在第一次运行时并不正确,但是当第二次运行时一切终于都好了。
这是执行编码的代码(假设“encoding”变量是“UTF-8”,通常是这样):
char[] buffer = new char[getBufferSize()];
String encoding = getEncoding();
Cache fileCache = getFileCache();
try (InputStreamReader reader = new InputStreamReader(data.getDataStream(), encoding); Writer writer = fileCache.getWriter(encoding)) {
int charsRead;
while ((charsRead = reader.read(buffer)) != -1) {
writer.write(buffer, 0, charsRead);
}
data.setDataStream(fileCache.getInputStream());
} catch(IOException ex) {
throw new Exception(String.format("Unable to normalize stream for %s encoding", encoding), ex);
}
因此,有时此代码需要运行两次才能使流正确地使用指定的编码。
我想让它在第一次尝试时运行得更好。
导致此问题的可能原因有哪些?
有什么方法可以改进此代码以使“流规范化”(我们称之为)更有效吗?
除了使用 InputStreamReader 之外,还有哪些修复流编码的替代方法可能效果更好?
最佳答案
使用 XML 有一些小问题:在第一行 <?xml ... ?>
指定编码或默认为 UTF-8。因此,XML 通常被读取为 InputStream(二进制),并留给 XML 解析器来找出编码。
编写 XML 时,人们可能会假设它是在字符串中表示的。当从 <?xml ... ?>
写入编码时应该用在 new OutputStreamWriter(ouputStream, encoding)
中.
二进制输入和输出 XML 必须在处理编码的程序员编辑器(如 JEdit 或 Notepad++)中测试其编码。
如果您想立即以正确的编码读取文本:我搜索了 XMLInputStreamReader 并找到了一些。但是您的 Reader 类需要做的就是:缓冲 ByteArrayOutputStream 中的第一个字节,直到 <?xml encoding=...?>
处理完毕,然后做一个InputStreamReader。
关于Java:InputStreamReader字符编码需要运行两次,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38224818/