如何使用 JavaApi 将 XML 中的重音字符写入 MarkLogic？

Posted 2023-03-25

【中文标题】如何使用 JavaApi 将 XML 中的重音字符写入 MarkLogic？

【英文标题】：How to write accented characters from XML into MarkLogic using JavaApi?

【发布时间】：2015-05-12 08:38:35

【问题描述】：

我有一个 20MB 的 XML，其中包含 Ö、É、Á 等重音字符。这里的问题是，当我将文件插入 MarkLogic 时，这些字符以 O 等英文格式保存,E,A.but 我想以相同的格式存储。那么我怎样才能以重音格式存储字符并以相同的方式读取 XMl。我的 XML 文件是 ISO-8859-1 编码的。

我为写作和阅读而编写的代码：

     DatabaseClient client = DatabaseClientFactory.newClient(IP, PORT,
        DATABASE_NAME, USERNAME, PWD, Authentication.DIGEST);
    XMLInputFactory factory = XMLInputFactory.newInstance();
    XMLStreamReader streamReader = null;
    streamReader = factory.createXMLStreamReader(new FileReader("record.xml"));
    XMLDocumentManager xmlDocMgr = client.newXMLDocumentManager();
    XMLStreamReaderHandle handle = new XMLStreamReaderHandle(streamReader);
    xmlDocMgr.write("/" + filename, handle);    

用于读取 XML：

 XMLDocumentManager docMgr = client.newXMLDocumentManager();
 DOMHandle xmlhandle = new DOMHandle();
docMgr.read("/" + filename, xmlhandle);
String doc = xmlhandle.toString();
String data = Normalizer.normalize(doc, Normalizer.Form.NFD).replaceAll("[^\\pASCII]", "");
return data;

我正在返回数据以在浏览器中显示。 无法找到问题所在。

【问题讨论】：

为什么不保存为 UTF-8？

@JoopEggen ，有很多这样的 XMl 文件在 ISO 中编码。所以我无法更改。

【参考方案1】：

如果 XML 文件没有声明其编码的 XML 序言，则在将文件写入数据库之前读取文件时应指定 ISO-8859-1 编码（正如 flafoux 指出的那样）。

您还应该在从数据库中读取内容时指定编码，除非目的地接受 UTF-8 编码。

有关详细信息，请参阅：

http://docs.marklogic.com/guide/java/document-operations#id_11208

希望对您有所帮助，

【参考方案2】：

您需要指定编码（还需要使用InputStream 更改构造函数）：

XMLStreamReader streamReader = factory.createXMLStreamReader(new FileInputStream("record.xml"),"ISO-8859-1");

【讨论】：

我指定了编码，但它仍然以英文格式保存。