Dom4j的asXML()自动编码的解决办法

Dom4j的asXML()自动编码的解决办法

 

在使用Dom4j的时候，有时候需要将一个Document对象转换为一个String，可以直接调用Document.asXML()方法来实现。可是调用这个方法的结果是：生成的字符串按照UTF-8进行了重新编码。这样，如果之前你的xml编码为GBK，那么你的调用此方法后，编码就变为UTF-8了，输出的中文字符就发生乱码。

 

有什么解决方案呢，在网上找了很久，也没找到原因。最后经过翻阅Dom4j的API文档，终于找到一个解决方案----重新格式化XML，这样就有机会对XML重新编码并获取到想要String。

 

从此也想为什么不提供一个Document.asXML(String charset)的方法呢？看来还是Dom4j把中国人忽略了。

 

下面看看解决方案：

 

首先读入文件为String：

        InputStream in = IssuePlan. class.getClassLoader().getResourceAsStream( "temp/test.xml");
         if (in == null) {
                log.info( "没有找到temp/test.xml");
        }
        String xml = StringFileToolkit.stream2String(in, charset);
        Document doc = null;
         try {
                doc = DocumentHelper.parseText(xml);
                doc.setXMLEncoding(charset);
        } catch (DocumentException e) {
                e.printStackTrace();
                log.error( "XML格式错误，请检查temp/test.xml是否存在于Classpath下以及合理性！");
                 throw new Exception(e);
        }

 

这里将XML忠实的按照原有的编码读取出来了，注意，读取出来后，立即对doc对象指定编码，否则会按照操作系统默认的编码处理。

 

如果你在此处调用doc.asXML()，那么，就得到了这个XML文件UTF-8的编码，如果之间不是UTF-8，那么这样编码是错误的。

 

因此，要导出合理编码的字符串，还要调用格式方法，这个方法是我自己写的：

         /**
         * 格式化XML文档
         *
         * @param document xml文档
         * @param charset    字符串的编码
         * @return 格式化后XML字符串
         */
         public static String formatXML(Document document, String charset) {
                OutputFormat format = OutputFormat.createPrettyPrint();
                format.setEncoding(charset);
                StringWriter sw = new StringWriter();
                XMLWriter xw = new XMLWriter(sw, format);
                 try {
                        xw.write(document);
                        xw.flush();
                        xw.close();
                } catch (IOException e) {
                        log.error( "格式化XML文档发生异常，请检查！", e);
                }
                 return sw.toString();
        }

 

你可以随意指定编码，但是你调用之前必须保证你的字符串编码和这里参数的编码一致，这样才是正确的调用。

 

-----------------------------------

这里还有一篇文章，但是忽略了或者是回避了Dom4j的转码问题：

http://blog.csdn.net/qingsongjian/archive/2009/02/09/3871315.aspx