如何使用

Question

我有一个方法，其中一个输入属性是String xml。我只是想为该xml的编码创建控件。如果任何字符在UTF-8的其他编码中，则会抛出错误。

请告诉我如何创建和测试它的最简单方法？

我使用过这样的东西：

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml")); 
Document doc = builder.parse(IOUtils.toInputStream(xml, "UTF-8"));

添加了Ľ，Š，Ť，Ž，ľ，š，ť，ž等字母，并将其保存为cp1250文件。

但没有错误。

我做错了什么？

Answer 1

这不能在Java中本地完成。一个文件只是一个字节串，但是你可以解释它们，默认情况下Java无法添加含义。我建议使用这个库（不，我没有写它）：

http://code.google.com/p/juniversalchardet/

按照以下说明操作（从该链接粘贴的副本）：

如何使用

构建org.mozilla.universalchardet.UniversalDetector。
通过调用UniversalDetector.handleData()将一些数据（通常为几千字节）提供给检测器。
致电UniversalDetector.dataEnd()。
通过调用UniversalDetector.getDetectedCharset()获取检测到的编码名称。
在重复使用探测器实例之前，不要忘记调用UniversalDetector.reset()。

Answer 2

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml"));

如果此IOUtils为org.apache.commons.io.IOUtils，则其Javadoc表示

“使用平台的默认字符编码将InputStream的内容作为字符串获取。”

当您保存为cp1250时，我猜cp1250也是您的平台字符编码。你的代码将做的是

将文件作为字节流读取
使用cp1250（平台编码）
将字符转换为Java内部表示形式（UTF-16）
从UTF-16转换为UTF-8
创建XML文档

这将始终有效，因为cp1250 确实是您的文件编码，UTF-16包含cp1250中的每个字符，UTF-8包含UTF-16中的每个字符。

如果要将字节读取为UTF-8并避免自动转换，则应使用IOUtils.toString()的双参数变体之一：

public static String toString(InputStream input, Charset encoding)

public static String toString(InputStream input, String encoding)

所以我会尝试：

// Helper import: I always forget if the constant is "UTF8" or "UTF-8"
import org.apache.commons.lang.CharEncoding;

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml"), CharEncoding.UTF_8); 
Document doc = builder.parse(IOUtils.toInputStream(xml, CharEncoding.UTF_8));

这里的经验法则是：从不执行任何字节到字符串/字符串到字节的转换，而不指定源/目标编码。

一个小的经验法则是：除非你需要使用其他编码，否则在任何地方都使用UTF-8。

这两条经验法则都与您选择的编程语言无关。

当字符串未以UTF-8编码时抛出异常

2 个答案:

如何使用