當字符串未以UTF-8編碼時拋出異常

Question

我有一種方法，其中一個輸入屬性是String xml。我只想爲該xml的編碼創建控制。如果任何字符使用其他UTF-8編碼，則會引發錯誤。

你能告訴我如何創建和測試它的最簡單方法嗎？

我用這樣的：

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml")); 
Document doc = builder.parse(IOUtils.toInputStream(xml, "UTF-8")); 

添加像L，S，T，Z，L，S，T，Z，並保存爲CP1250文件的信件。

但沒有錯誤。

我做錯了什麼？

Answer 1

這不能在Java中本地完成。一個文件只是一串字節，它們可以被解釋，但是你覺得，Java默認無法增加意義。我建議使用這個庫（不，我沒有寫）：

http://code.google.com/p/juniversalchardet/

按照這些指令（從複製該鏈接粘貼）：

如何使用它

1. 構建org.mozilla.universalchardet.UniversalDetector的實例。
2. 通過呼叫UniversalDetector.handleData()將一些數據（通常爲幾千字節）送入檢測器。
3. 通過致電UniversalDetector.dataEnd()通知檢測器結束數據。
4. 通過調用UniversalDetector.getDetectedCharset()來獲取檢測到的編碼名稱。
5. 在重新使用檢測器實例之前，不要忘記調用UniversalDetector.reset()。

Answer 2

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml")); 

如果IOUtils是org.apache.commons.io.IOUtils那麼它Javadoc說

「獲取InputStream的內容作爲使用默認的字符編碼的平臺的String。」

由於您保存爲cp1250，我猜cp1250也是您的平臺字符編碼。你的代碼將做的是

1. 讀取文件的字節流
2. 轉換的字節流使用CP1250（平臺編碼）
3. 變換的字符爲Java內部表示字符（UTF-16）從UTF-16
4. 轉換爲UTF-8
5. 創建XML文檔

這將永遠正常運行CP1250 實ly是您的文件編碼，UTF-16具有cp1250中的每個字符，而UTF-8具有UTF-16中的每個字符。

如果你想讀的字節爲UTF-8，避免自動轉換，你應該使用的IOUtils.toString()兩個參數變異體的一種：

public static String toString(InputStream input, Charset encoding) 

public static String toString(InputStream input, String encoding) 

所以我會嘗試：

// Helper import: I always forget if the constant is "UTF8" or "UTF-8" 
import org.apache.commons.lang.CharEncoding; 

String xml = IOUtils.toString(new FileInputStream("c:/encoding.xml"), CharEncoding.UTF_8); 
Document doc = builder.parse(IOUtils.toInputStream(xml, CharEncoding.UTF_8)); 

這裏的經驗法則是：從來沒有做任何字節到字符串/字符串到字節轉換沒有指定源/目的地編碼。

一個較小的經驗法則是：除非你需要需要來使用其他一些編碼，否則在任何地方都要使用UTF-8。

這兩條經驗法則都與您選擇的編程語言無關。