编码问题估计是让每个程序员都烦恼过的问题。昨天又遇到一次用Dom4J解析XML文件一直报错的问题，检查了半天时间，才发现又是因为编码。其实代码本身很简单，网上搜了一圈，基本也都是这么写的，不知道为什么别人都没遇到这个问题，或许问题太简单了都不值得提吧。

       我们读XML的代码如下：

 
    
     
     
  1. BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(file), "UTF8")); 
    2.  
     
  2. reader = new SAXReader(); 
    3.  
     
  3. doc=reader.read(br); 
    4.  
    
 
    
        我们的文件是用UTF8保存的，但是有的可以正确保存，有的却不可以。出问题的数据就是有中文的地方，有意思的是不是所有中文都会出问题。把文件转成二进制的看了一下，文件本身没有什么异常。但执行程序报错如下：
 
    
 
    
     
     
  1. org.dom4j.DocumentException: Error on line 18 of document  : The element type "Title" must be terminated by the matching end-tag "Title>". Nested exception: The element type "Title" must be terminated by the matching end-tag "Title>". 
    2.  
     
  2.     at org.dom4j.io.SAXReader.read(SAXReader.java:482) 
    3.  
     
  3.     at org.dom4j.io.SAXReader.read(SAXReader.java:365) 
    4.  
    
 
    
        初步定位就是因为编码造成了XML遇到特定字符解析出错。但是有一个值得注意的现象，就是在eclipse下运行是正确的，而且打包出来的在linux下也正确，而在windows下执行打包出来的程序则出错。看来和运行环境还有直接关系。
 
    
        这时有人发现在java运行命令中加上-Dfile.encoding=UTF8就正确了，但是所有的日志打印都成了乱码。看来很明显就是读程序的编码出问题，但是我们在输入流的时候明明已经指定了编码。我试了下Charset.defaultCharset()方法，果然linux下面默认是UTF8，而windows下面是gbk。然后我查了下dom4j的API，突然发现SAXReader还有getEncoding的方法，一调用果然是null。看来我们写的输入流指定编码没有生效，再查了下果然还有setEncoding方法，指定成UTF8以后问题解决。正确的代码如下：
 
    
 
    
     
     
  1. BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(file), "UTF8")); 
    2.  
     
  2. reader = new SAXReader(); 
    3.  
     
  3. reader.setEncoding("UTF8"); 
    4.  
     
  4. doc=reader.read(br); 
    5.  
    
 
    
       这个问题确实比较诡异，dom4j的SAXReader居然没有直接使用已经读出来的内容，java内建字符集是unicode，应该就可以了，但他偏偏自己又做一次需要显示声明的转码。以后查问题还是要一步步缩小范围，然后定位出问题，再寻找解决办法。另外还是要多看源码，这次主要定位问题花的时间太多了。