java - 如何让 SAX 解析器从 xml 声明中确定编码？

Question

我正在尝试解析来自不同来源的 xml 文件(对此我几乎无法控制)。它们中的大多数都以 UTF-8 编码，使用以下代码段不会导致任何问题:

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
FeedHandler handler = new FeedHandler();
InputSource is = new InputSource(getInputStream());
parser.parse(is, handler);

由于 SAX 默认为 UTF-8，这很好。然而，一些文件声明:

<?xml version="1.0" encoding="ISO-8859-1"?>

即使声明了 ISO-8859-1，SAX 仍然默认为 UTF-8。 仅当我添加:

is.setEncoding("ISO-8859-1");

SAX 会使用正确的编码吗？

如何让 SAX 自动从 xml 声明中检测正确的编码，而无需我专门设置它？我需要这个，因为我事先不知道文件的编码是什么。

提前致谢， 艾伦

Answer 1

使用 InputStream 作为 InputSource 的参数当您希望 Sax 自动检测编码时。

如果要设置特定的编码，请使用 Reader 指定编码或 setEncoding方法。

为什么？因为autodetection encoding algorithms需要原始数据，而不是转换为字符。

主题中的问题是:如何让 SAX 解析器从 xml 声明中确定编码？ 我发现 Allan 对这个问题的回答具有误导性，因此我根据 Jörn Horstmann 的评论和我后来的经历。