Invalidbyte2of2-byteUTF-8sequence（原因及解决方案）
Dom4j中文异常处理:Invalid byte 2 of 2-byte UTF-8 sequence
分类： Java Code2011-08-14 01:31 223人阅读 评论(0) 收藏 举报
问题描述
在使用dom4j的时候发现有时会出现这样一个问题：无法以UTF-8编码格式成功保存xml文件，具体表现为保存后中文呈现乱码（如果没有乱码，说明保存前的编码没有设置成功，保存成了本地的gbk或者gb2312格式）再次读取的时候会报类似如下的错误：
1.Invalid byte 2 of 2-byte UTF-8 sequence. Nested exception: Invalid byte 2 of 2-byte UTF-8 sequence.
2.Invalid byte 1 of 1-byte UTF-8 sequence. Nested exception: Invalid byte 1 of 1-byte UTF-8 sequence.
3.Invalid byte 2 of 2-byte UTF-8 sequence. Nested exception: Invalid byte 2 of 2-byte UTF-
8 sequence.
4.Invalid byte 2 of 2-byte UTF-8 sequence. Nested exception: Invalid byte 2 of 2-byte UTF-8 sequence.
5.Invalid byte 1 of 1-byte UTF-8 sequence. Nested exception: Invalid byte 1 of 1-byte UTF-8 sequence.
在dom4j的范例中新建一个xml文档的代码如下：
1.// 输出XML文档
2.try
3.{
4.XMLWriter output = new XMLWriter(new FileWriter(new File("l")));
5.output.write(document);
6.output.close();
7.}
8.catch (IOException e)
9.{
10.System.out.Message());
11.}
错误原因分析
在上面的代码中输出使用的是FileWriter对象进行文件的输出。这就是不能正确进行文件编码的原因所在，Java中由Writer类继承下来的子类没有提供编码格式处理，所以dom4j也就无法对输出的文件进行正确的格式处理。这时候所保存的文件会以系统的默认编码对文件进行保存，在中文版的window下Java的默认的编码为GBK，也就是说虽然我们标识了要将xml保存为utf-8格式，但实际上文件是以GBK格式来保存的，所以这也就是为什么我们使用
GBK、GB2312编码来生成xml文件能正确的被解析，而以UTF-8格式生成的文件不能被xml解析器所解析的原因。
如何解决问题？
首先我们看看dom4j是如何实现编码处理的，如下所示：
1.public XMLWriter(OutputStream out) throws UnsupportedEncodingException {
2.//System.out.println("In OutputStream");
3.this.format =DEFAULT_FORMAT;
4.this.writer = createWriter(Encoding());
5.this.autoFlush =true;
6.namespaceStack.push(Namespace.NO_NAMESPACE);
7.}
8.public XMLWriter(OutputStream out, OutputFormat format)throws UnsupportedEncodingException {
9.//System.out.println("In OutputStream,OutputFormat");
10.this.format = format;
11.this.writer = createWriter(out,&Encoding());
12.this.autoFlush =true;
13.namespaceStack.push(Namespace.NO_NAMESPACE);
14.}
15./**
16.* Get an OutputStreamWriter, use preferred encoding.
17.*/
18.protected Writer createWriter(OutputStream outStream, String
19.encoding) throws UnsupportedEncodingException {
20.return new BufferedWriter(
21.new OutputStreamWriter( outStream, encoding )
22.);
23.}
由上面的代码我们可以看出dom4j对编码并没有进行什么很复杂的处理，完全通过 Java本身的功能来完成。所以我们在使用dom4j生成xml文件时不应该直接在构建XMLWriter时，为其赋一个Writer对象，而应该通过一个OutputStream的子类对象来构建。也就是说在我们上面的代码中，不应该用FileWriter对象来构建xml文档，而应该使用FileOutputStream对象来构建，修改后的代码如下:
1.// 输出XML文档
2.try
3.{ 使用dom4j解析xml文件
4.OutputFormat outFmt = new OutputFormat("\t", true);
5.outFmt.setEncoding("UTF-8");
6.XMLWriter output = new XMLWriter(new FileOutputStream(filename), outFmt);
7.output.write(document);
8.output.close();
9.}
10.catch (IOException e)
11.{
12.System.out.Message());
13.}
如何读取呢？
1.public List extractXMLText(File inputXml, String node)
2.{
3.List texts = null;
4.try
5.{
6.// 使用SAXReader解析XML文档,SAXReader包含在org.dom4j.io包中。
7.// inputXml是由xml文件创建的java.io.File。
8.SAXReader saxReader = new SAXReader();
9.saxReader.setEncoding("UTF-8");
10.Document document =&ad(inputXml);
11.
12.texts = document.selectNodes(node); // 获取sentence列表
13.}
14.catch (DocumentException e)
15.{
16.System.out.Message());
17.}
18.return texts;
19.}
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论