dom4、jdom中文乱码问题
见了dom4j中文乱码问题，主要用在给xml文件添加注释addComment("中文");
用
// try {
// comment = new String(comment.getBytes("GBK"), "UTF-8");
// } catch (UnsupportedEncodingException e) {
// e.printStackTrace();
// }
不能解决问题。
搜索下，查了下问题所在，特记录之。
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。
解决方法：FileOutputStream，而不用java自带的FileWriter
org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(new FileOutputStream (fileName) );
另外摘录原文：http://www.360doc.com/content/090513/21/59141_3490363.html
2008-07-08 07:00
作者：王琦
出处：天极网
责任编辑：nancy
<!-- Error -->
现象描述：
JDom 输出Xml文件，当使用字符编码GBK时正常，而输出UTF-8时乱码。
完
美的 解决方法从辟谣开始：
1)JDOM是否生成UTF-8的文件与Format是否设置无关，只有输出其他字符编码才需要设置，见下面的注释。
2)JDOM输出UTF-8文件乱码的根本原因并非在JDOMAPI，而是在JDK。
具
体描述：
JDOM的输出类XMLOutputter有两个output接口，除了都具有一个Document参数外，分别接受Writer和OutputStream参数。
这给我们一个错觉，两个接口可以任意使用。
首先我们用output(doc,System.out)来做测试，此时得到乱码，
然后我们改为output(doc,new PrintWriter(System.out))来测试，输出不是乱码，
也就是说在控制台的时候一定要用一个Writer接口包装一下。
然后我们用output(doc,new FileWriter(path))来做测试，结果却得到乱码，
然后我们改为output(doc,new FileOutputStream(path))来测试，输出不是乱码，
也就是说在输出文件的时候一定要用一个OutputStream接口包装一下。
疯了吧?呵呵，很搞笑是吧。经过到JDOM的源码中调试，发现没有任何问题，问题出在了JDK里面。
JDK内的对应接口处理：
1)PrintWriter类有参数为OutputStream的构造方法，因此可以从System.out包装到PrintWriter
2)FileWriter类没有参数为OutputStream的构造方法，因此不能从FileOutputStream包装到FileWriter
3)如果PrintWriter类用了参数为Writer的构造方法(Writer实现为FileWriter)，最后输出也是乱码
4)如果用一个FileOutputStream来包装一个控制台输出，也是乱码
因此，对于JDK内的各种输出体系，各种InputStream、OutputStream、reader和writer要充分认识，否则极容易出现一些意想不到的问题。
测试的JDOM版本：1.0、1.1
测试代码：
|
import java.io.File;
import java.io.FileOutputStream; import java.io.FileWriter; import java.io.PrintWriter; import java.util.HashMap; import org.jdom.Document; import org.jdom.Element; import org.jdom.output.Format; import org.jdom.output.XMLOutputter; public class BuildXML { public static void main(String[] args) throws Exception{ File xmlfile=new File("C:\\EditTemp\\xml\\abc.xml"); //中文问题 //GBK 是没有问题的，但UTF-8就是有问题的 //原因： //1)对于磁盘文件，必须使用输出流 FileOutputStream // FileWriter out=new FileWriter(xmlfile);会导致乱码 //2)对于控制台输出，则必须使用PrintWriter，如果直接使用System.out也会出现乱码 // PrintWriter out=new PrintWriter(System.out); FileOutputStream out=new FileOutputStream(xmlfile); Element eroot=new Element("root"); eroot.addContent((new Element("code")).addContent("代码")); eroot.addContent((new Element("ds")).addContent("数据源")); eroot.addContent((new Element("sql")).addContent("检索sql")); eroot.addContent((new Element("order")).addContent("排序")); Document doc=new Document(eroot); XMLOutputter outputter = new XMLOutputter(); //如果不设置format，仅仅是没有缩进，xml还是utf-8的，因此format不是必要的 Format f = Format.getPrettyFormat(); //f.setEncoding("UTF-8");//default=UTF-8 outputter.setFormat(f); outputter.output(doc, out); out.close(); } }
Dom4j 编码问题彻底解决
lonsen 发表于 2004-10-31 01:39:00
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); } } |