在解析XML（SAX）之前刪除第一個字符

Question

我有那些名爲wrong.xml和good.xml的xml文件明顯相同。

的代碼是如下：

<?xml version="1.0" encoding="utf-16"?> 
    <tag> 
    </tag> 

的問題是，XmlReader類（org.xml.sax.XMLReader中）解析wrong.xml當檢測到跟隨誤差。

Content is not allowed in prolog 

原因是prolog之前存在隱藏字符。

我只能看到這些字符使用基本的Java文件閱讀器，我可以看到第一個和第二個字符是-1和-2。

'-1''-2'<?xml version>...... 

記事本，Ultraedit32，寫字板，記事本++等都不能看到它們。

我真正的問題是，我需要從FTP自動讀取xml，然後我需要用任何方式刪除這些字符，然後用xmlReader解析，而不用解析所有文檔，因爲一些文檔非常大。

如何刪除文件的第一個字符？

Answer 1

您必須在解析器看到它們之前刪除這些字符，但不需要讀取整個文件，並在刪除這些字符時再次將其寫回。

薩克斯解析器可以基於Reader從InputSource讀取。這個Reader接口的許多實現用於從文件，網址或其他數據源中讀取數據，但是您也可以將您的主要Reader所在的FilterReader擴展名編碼爲數據，以便在數據繼續執行之前執行所需的更改。

不難編寫的FilterReader那滴前兩個字符，但傳中一切的延伸，而且會做正是你需要的。如果需要刪除這些字符直到運行時才知道，但可以通過合理的方式檢測到，這可以僅在需要時才能執行。在第一個'<'之前刪除所有字符可能是有意義的。