SAXParser 无法解析某些字符

Posted 2023-02-16

【中文标题】SAXParser 无法解析某些字符

【英文标题】：SAXParser fails to parse some characters

【发布时间】：2011-06-18 03:47:54

【问题描述】：

我在 android/java 上使用 SAXParser 等做一些简单的 SAXParsing

它可以正确解析文件，但是遇到一些特殊字符时会打嗝，例如如果它解析下面的这个xml：

<?xml version="1.0" encoding="ISO-8859-1" ?><MTRXML version="1.0">
<GEOCODE key="pohj">
<LOC name1="Pohjantori" number="" city="Espoo" code="995" address="" type="1" category="poi" x="2544225" y="6674893" lon="24.79378" lat="60.18324" />
<LOC name1="Pohjois-Haaga" number="" city="Helsinki" code="41" address="" type="1" category="poi" x="2549164" y="6680186" lon="24.88405" lat="60.23018" />
<LOC name1="Pohjois-Leppävaara" number="" city="Espoo" code="50" address="" type="1" category="poi" x="2545057" y="6679240" lon="24.80974" lat="60.22216" />

当它在最后一行的 Pohjois-Leppävaara 中遇到 ä 时会打嗝。

它给出的错误是：

01-30 18:14:52.039: WARN/System.err(686): org.apache.harmony.xml.ExpatParser$ParseException: At line 5, column 24: not well-formed (invalid token)

我确信 SAXParser 可以处理这些字符，但我相信我需要在某处设置一些编码等？

Java 代码是这样的：

AXParserFactory factory = SAXParserFactory.newInstance();

    SAXParser parser = null;
    try 
        parser = factory.newSAXParser();
     catch (ParserConfigurationException e) 
        e.printStackTrace();
        return null;
     catch (SAXException e) 
        e.printStackTrace();
        return null;
    

    XmlHandler handler = new XmlHandler();
    try 
        parser.parse(urls[0], handler);
     catch (SAXException e) 
        e.printStackTrace();
        return null;
     catch (IOException e) 
        e.printStackTrace();
        return null;
    

【参考方案1】：

我预计这是文档编码中的错误。使用十六进制编辑器验证Leppävaara 是字节序列4c 65 70 70 e4 76 61 61 72 61。如果ä 不是E4，则文档已使用除ISO-8859-1 之外的其他编码保存。

【参考方案2】：

这似乎解决了这个问题：

Android: SaxParser problems using ISO-8859-1 encoding

            StringReader sr = new StringReader(xmlString);
            InputSource is = new InputSource(sr);
            is.setEncoding("ISO-8859-1");
            xmlReader.parse(is);