處理特殊字符的SAX

Question

我正在嘗試使用Java和SAX爲Android設備解析XML文件。我從互聯網上獲得，並解析它時，我得到一個ExpatException：對字符「é」沒有格式良好（無效標記）。 有沒有辦法處理這些字符，而不必更改xml文件中的所有特殊字符？

編輯： 這是我的代碼寫入我的SDcard的文件的一部分。

File SDCardRoot = Environment.getExternalStorageDirectory(); 
      File f = new File(SDCardRoot,"edt.xml"); 
      f.createNewFile(); 
      FileOutputStream fileOutput = new FileOutputStream(f); 
      InputStream inputStream = urlConnection.getInputStream(); 


      byte[] buffer = new byte[1024]; 
      int bufferLength = 0; 
      while ((bufferLength = inputStream.read(buffer)) > 0) { 
       fileOutput.write(buffer, 0, bufferLength); 
      } 

      fileOutput.close(); 

這裏是我的xml的一部分：

<?xml version="1.0" encoding="iso-8859-1"?> 
<?xml-stylesheet type="text/xsl" href="ttss.xsl"?> 

<timetable> 
<option combined="0" totalweeks="0" showemptydays="0" dayclass="reverse"> 
<link href="g56065.xml" class="xml">Imprimer</link> 
<link href="g56065.pdf" class="pdf">Version PDF</link> 
<weeks>Semaines</weeks> 
<dates>Dates</dates> 
<week>Semaine</week> 
<date>Date</date> 
<all>Toutes les semaines</all> 
<notes>Remarques</notes> 
<id>ID</id> 
<tag>Champs Libre</tag> 
<footer>Publié le 10/09/2011 22:14:28</footer> 
... </timetable> 

這裏是解析代碼：

public class ParserSemaines extends DefaultHandler { 
    private final String SEMAINE = "span"; 
    private final String DESCRIPTION = "description"; 
    private ArrayList<Semaine> semaines; 
    private boolean inSemaine; 
    private Semaine currentSemaine; 
    private StringBuffer buffer; 
    @Override 
    public void processingInstruction(String target, String data) throws SAXException { 
     super.processingInstruction(target, data); 
    } 
    public ParserSemaines() { 
     super(); 
    } 

    @Override 
    public void startDocument() throws SAXException { 
     super.startDocument(); 
     semaines = new ArrayList<Semaine>(); 
    } 

    @Override 
    public void startElement(String uri, String localName, String name, Attributes attributes) throws SAXException { 
     buffer = new StringBuffer(); 
     if (localName.equalsIgnoreCase(SEMAINE)){ 
      this.currentSemaine = new Semaine(); 
      this.currentSemaine.setDate(attributes.getValue("date")); 
      this.inSemaine = true; 
     } 
     if(localName.equalsIgnoreCase(DESCRIPTION)){ 
      this.currentSemaine.setDescription(buffer.toString()); 
     } 
    } 

    @Override 
    public void endElement(String uri, String localName, String name) throws SAXException { 
     if (localName.equalsIgnoreCase(SEMAINE)){ 
      this.semaines.add(currentSemaine); 
      this.inSemaine = false; 
     } 
    } 

    public void characters(char[] ch,int start, int length) throws SAXException{ 
     String lecture = new String(ch,start,length); 
     if(buffer != null) buffer.append(lecture); 
    } 

    public ArrayList<Semaine> getData(){ 
     return semaines; 
    } 
} 

這裏是我用來調用解析器代碼：

SAXParserFactory fabrique = SAXParserFactory.newInstance(); 
     SAXParser parseur = null; 
     ArrayList<Semaine> semaines = null; 
     try { 
      parseur = fabrique.newSAXParser(); 
      DefaultHandler handler = new ParserSemaines(); 
      File f = new File(Environment.getExternalStorageDirectory(),"edt.xml"); 
      parseur.parse(f, handler); 
      semaines = ((ParserSemaines) handler).getData(); 
     } 

詢問是否需要其他代碼部分。

檢查後，SDcard中的xml文件顯示「é」爲「½」。 這應該是問題，但我沒有任何線索爲什麼。 我也嘗試用URI解析，但它不會改變任何我總是得到相同的異常。

Answer 1

我終於找到了解決辦法。 而不是使用SAXparder的，我用

android.util.Xml.parse(InputStream,Xml.Encoding.ISO_8859_1, DefaultHandler); 

謝謝大家對你提供給我的幫助。

Answer 2

可能是編碼問題。嘗試將其更改爲ISO-8859-1。

在你的XML嘗試：

<?xml version="1.0" encoding="ISO-8859-1"?> 

，或者在你的代碼，使用：

inputSource.setEncoding("ISO-8859-1"); 

Answer 3

檢查後，似乎在SD卡中的XML文件顯示 「é」 爲「 �" 。

這確實表示編碼問題。

您發佈的代碼似乎是從URL到文件的正確逐字節副本，因此該文件應該完全代表您從URL獲得的內容。這意味着來自服務器的響應可能不在ISO-8859-1中。

我的下一步是使用一個工具，如Fiddler檢查整個響應，要特別注意：

• 的Content-Type頭。如果它告訴你一個不同的字符集，你必須將這些信息傳遞給解析器和/或手動轉換它。
• 返回的實際字節數。大家知道，都是，Content-Type和XML序言可能在說謊。如果文件是真正的ISO-8859-1，那麼重音符號應該有一個字節值0xE9。如果內容實際上是UTF-8，則應該有兩個字節的序列0xC3 0xA9（請參閱here）。你正在顯示一個三字節的序列，這是沒有意義的。但最好檢查來源。

此外，驗證你不它傳遞給SAX解析器之前的文件轉換爲字符串。

---

僅供參考：我編寫了一個最小程序，連接到OP的URL並將該連接直接傳遞給最小的SAX解析器。它似乎運行沒有錯誤。我還使用了DOM解析器，並驗證了至少根元素已被正確解析。

public static void main(String[] argv) 
throws Exception 
{ 
    URL url = new URL("http://www.disvu.u-bordeaux1.fr/et/edt_etudiants2/Master/Semestre1/g56065.xml"); 
    InputStream in = url.openConnection().getInputStream(); 

    SAXParserFactory spf = SAXParserFactory.newInstance(); 
    SAXParser parser = spf.newSAXParser(); 
    parser.parse(in, new DefaultHandler()); 
    System.out.println("parse successful"); 
}