Question

我想使用JDOM从URL解析XML文件。但是在尝试这个时：

SAXBuilder builder = new SAXBuilder();
builder.build(aUrl);

我得到了这个例外：

Invalid byte 1 of 1-byte UTF-8 sequence.

我认为这可能是BOM问题。所以我查看了源代码并在文件开头看到了BOM。我尝试使用aUrl.openStream()从URL读取并使用Commons IO BOMInputStream删除BOM。但令我惊讶的是它没有检测到任何BOM。我尝试从流中读取并写入本地文件并解析本地文件。我将 InputStreamReader 和 OutputStreamWriter 的所有编码设置为 UTF8 但是当我打开文件时它有疯狂的字符。

我认为问题在于源URL编码。但是当我在浏览器中打开URL并将XML保存在文件中并通过上述过程读取该文件时，一切正常。

我对此问题的可能原因表示感谢。

Answer 1

该HTTP服务器正在以GZIP形式发送内容（Content-Encoding: gzip;如果您不知道这意味着什么，请参阅http://en.wikipedia.org/wiki/HTTP_compression），因此您需要将aUrl.openStream()包裹在{ {1}}将为您解压缩它。例如：

GZIPInputStream

根据后续评论编辑添加：如果您事先不知道该网址是否为GZIP，则可以这样写：

builder.build(new GZIPInputStream(aUrl.openStream()));

（警告：未经测试）然后使用：

private InputStream openStream(final URL url) throws IOException
{
    final URLConnection cxn = url.openConnection();
    final String contentEncoding = cxn.getContentEncoding();
    if(contentEncoding == null)
        return cxn.getInputStream();
    else if(contentEncoding.equalsIgnoreCase("gzip")
               || contentEncoding.equalsIgnoreCase("x-gzip"))
        return new GZIPInputStream(cxn.getInputStream());
    else
        throw new IOException("Unexpected content-encoding: " + contentEncoding);
}

。这基本上等同于上面的内容 - builder.build(openStream(aUrl.openStream()));被明确记录为aUrl.openStream()的简写 - 除了它在决定是否将流包装在{{1}之前检查aUrl.openConnection().getInputStream()标头。 }}

请参阅the documentation for java.net.URLConnection。

Answer 2

您可能会发现通过发送空白的Accept-Encoding标头可以避免处理编码的响应。请参阅http://www.w3.org/Protocols/rfc2616/rfc2616-sec14.html：“如果请求中不存在Accept-Encoding字段，则服务器可以假定客户端将接受任何内容编码。”这似乎发生在这里。

如何解析包含BOM的XML文件？

2 个答案: