读写xml乱码问题

写入xml文件的乱码问题
Technorati 标签: 写入xml文件的乱码问题

这几天开始学习dom4j，在网上找了篇文章就开干了，上手非常的快，但是发现了个问题就是无法以UTF-8保存xml文件，保存后再次读出的时候会报 “Invalid byte 2 of 2-byte UTF-8 sequence.”这样一个错误，检查发现由dom4j生成的这个文件，在使用可正确处理XML编码的任何的编辑器中中文成乱码，从记事本查看并不会出现乱码会正确显示中文。让我很是头痛。试着使用GBK、gb2312编码来生成的xml文件却可以正常的被解析。因此怀疑的dom4j没有对utf-8编码进行处理。便开始查看dom4j的原代码。终于发现的问题所在，是自己程序的问题。
在dom4j的范例和网上流行的《DOM4J 使用简介》这篇教程中新建一个xml文档的代码都类似如下

public void createXML(String fileName) {

Document doc = org.dom4j.DocumentHelper.createDocument();

Element root = doc.addElement("book");

root.addAttribute("name", "我的图书");

Element childTmp;

childTmp = root.addElement("price");

childTmp.setText("21.22");

Element writer = root.addElement("author");

writer.setText("李四");

writer.addAttribute("ID", "001");

try {

org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(

new FileWriter(fileName));

xmlWriter.write(doc);

xmlWriter.close();

}

catch (Exception e) {

System.out.println(e);

}

}

在上面的代码中输出使用的是FileWriter对象进行文件的输出。这就是不能正确进行文件编码的原因所在，java中由Writer类继承下来的子类没有提供编码格式处理，所以dom4j也就无法对输出的文件进行正确的格式处理。这时候所保存的文件会以系统的默认编码对文件进行保存，在中文版的 window下java的默认的编码为GBK，也就是所虽然我们标识了要将xml保存为utf-8格式但实际上文件是以GBK格式来保存的，所以这也就是为什么能够我们使用GBK、GB2312编码来生成xml文件能正确的被解析，而以UTF-8格式生成的文件不能被xml解析器所解析的原因。
好了现在我们找到了原因所在了，我们来找解决办法吧。首先我们看看dom4j是如何实现编码处理的

public XMLWriter(OutputStream out) throws UnsupportedEncodingException {

//System.out.println("In OutputStream");

this.format = DEFAULT_FORMAT;

this.writer = createWriter(out, format.getEncoding());

this.autoFlush = true;

namespaceStack.push(Namespace.NO_NAMESPACE);

}

public XMLWriter(OutputStream out, OutputFormat format) throws UnsupportedEncodingException {

//System.out.println("In OutputStream,OutputFormat");

this.format = format;

this.writer = createWriter(out, format.getEncoding());

this.autoFlush = true;

namespaceStack.push(Namespace.NO_NAMESPACE);

}

/**

* Get an OutputStreamWriter, use preferred encoding.

*/

protected Writer createWriter(OutputStream outStream, String encoding) throws UnsupportedEncodingException {

return new BufferedWriter(

new OutputStreamWriter( outStream, encoding )

);

}

由上面的代码我们可以看出dom4j对编码并没有进行什么很复杂的处理，完全通过java本身的功能来完成。所以我们在使用dom4j的来生成我们的 XML文件时不应该直接为在构建XMLWriter时，不应该直接为其赋一个Writer对象，而应该通过一个OutputStream的子类对象来构建。也就是说在我们上面的代码中，不应该用FileWriter对象来构建xml文档，而应该使用FileOutputStream对象来构建所以将代码修改入下：
public void createXML(String fileName) {

Document doc = org.dom4j.DocumentHelper.createDocument();

Element root = doc.addElement("book");

root.addAttribute("name", "我的图书");

Element childTmp;

childTmp = root.addElement("price");

childTmp.setText("21.22");

Element writer = root.addElement("author");

writer.setText("李四");

writer.addAttribute("ID", "001");

try {
//注意这里的修改

org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(

new FileOutputStream(fileName));

xmlWriter.write(doc);

xmlWriter.close();

}

catch (Exception e) {

System.out.println(e);

}

}
至此DOM4J的问题编码问题算是告一段落，希望对此文章对其他朋友有用