SAXException iso-8859-2

Posted 2023-05-07

【中文标题】SAXException iso-8859-2

【英文标题】：

【发布时间】：2013-03-18 15:45:36

【问题描述】：

我有一个以<?xml version="1.0" encoding="iso-8859-2"?> 开头的 XML 文件。我是这样读的：

SAXParserFactory.newInstance().newSAXParser().parse(is, handler);

is 是 InputStream，handler 是任意处理程序。 然后我得到这个异常：

org.apache.harmony.xml.ExpatParser$ParseException: At line 41152, column 17: not well-formed (invalid token)

实际上在那个位置有一个度数符号，像这样包含在一个 CDATA 中：

<![CDATA[something °]]>

使用字符集 iso-8859-2，解析器应该接受几乎任何字符，包括这个字符。情况似乎并非如此。我做错了什么？

编辑

我在 android 上做这一切。

奇怪：解析器似乎完全忽略了编码属性。我将文件转换为 UTF-8，同时保留标题，现在我的程序可以毫无错误地读取它。这是为什么呢？？

（我正在制作这样的 InputStream：new BufferedInputStream(new FileInputStream(filename))，即没有阅读器，所以这不会是错误。）

【问题讨论】：

您确定数据实际上正确编码为 ISO-8859-2 吗？

根据Wikipedia，此字符在 ISO-8859-2 中编码为 B0。那是文件中那个位置的实际字节吗？

是的，我用 Notepad++ 打开它，上面写着“ANSI 编码”，而且我有一个匈牙利 Windows，所以我确定。

确保° 在十六进制编辑器中被编码为字节b0。

不知道这里是不是这样，但是java解析器通常使用指定的编码，或者如果没有指定系统默认编码，而不是文件中声明的编码

【参考方案1】：

我通过手动识别编码来解决该错误。我查看了 XML 标头并查找了 encoding 属性（如果可用），提取为字符串，通过 Charset.forName() 从它创建了一个 Java Charset 对象，然后使用给定的编码和一个 InputSource 创建了一个 Reader这样的读者：

String encoding;
Charset charset;
[...]
    Reader reader = new BufferedReader(new InputStreamReader(inputStream, charset));
    InputSource inputSource = new InputSource(reader);
    inputSource.setEncoding(encoding);
    SAXParserFactory.newInstance().newSAXParser().parse(inputSource, myHandler);

不幸的是我仍然不知道为什么解析器无法自动识别编码。