Dom4j無法以UTF-8儲存xml檔案，Invalid byte 2 of 2-byte UTF-8 sequence -hxzon動手 -gdo
這幾天開始學習dom4j，在網上找了篇文章就開幹了，上手非常的快，但是發現了個問題就是無法以UTF-8儲存xml檔案，儲存後再次讀出的時候會報“Invalid byte 2 of 2-byte UTF-8 sequence.”這樣一個錯誤，檢查發現由dom4j產生的這個檔案，在使用可正確處理XML編碼的任何的編輯器中中文成亂碼，從記事本查看並不會出現亂碼會正確顯示中文。讓我很是頭痛。試著使用GBK、gb2312編碼來產生的xml檔案卻可以正常的被解析。因此懷疑的dom4j沒有對utf-8編碼進行處理。便開始查看dom4j的原代碼。終於發現的問題所在，是自己程式的問題。
在dom4j的範例和網上流行的《DOM4J 使用簡介》這篇教程中建立一個xml文檔的代碼都類似如下
public void createXML(String fileName) {
document．nbspdoc = org.dom4j.document．elper.createdocument．);
Element root = doc.addElement("book");
root.addAttribute("name", "我的圖書"); Element childTmp;
childTmp = root.addElement("price");
childTmp.setText("21.22"); Element writer = root.addElement("author");
writer.setText("李四");
writer.addAttribute("ID", "001"); try {
org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
new FileWriter(fileName));
xmlWriter.write(doc);
xmlWriter.close();
}
catch (Exception e) {
System.out.println(e);
}
}
在上面的代碼中輸出使用的是FileWriter對象進行檔案的輸出。這就是不能正確進行檔案編碼的原因所在，java中由Writer類繼承下來的子類沒有提供編碼格式處理，所以dom4j也就無法對輸出的檔案進行正確的格式處理。這時候所儲存的檔案會以系統的預設編碼對檔案進行儲存，在中文版的window下java的預設的編碼為GBK，也就是所雖然我們標識了要將xml儲存為utf-8格式但實際上檔案是以GBK格式來儲存的，所以這也就是為什麼能夠我們使用GBK、GB2312編碼來產生xml檔案能正確的被解析，而以UTF-8格式產生的檔案不能被xml解析器所解析的原因。
好了現在我們找到了原因所在了，我們來找解決辦法吧。首先我們看看dom4j是如何?編碼處理的
public XMLWriter(OutputStream out) throws UnsupportedEncodingException {
//System.out.println("In OutputStream");
this.format = DEFAULT_FORMAT;
this.writer = createWriter(out, format.getEncoding());
this.autoFlush = true;
namespaceStack.push(Namespace.NO_NAMESPACE);
} public XMLWriter(OutputStream out, OutputFormat format) throws UnsupportedEncodingException {
//System.out.println("In OutputStream,OutputFormat");
this.format = format;
this.writer = createWriter(out, format.getEncoding());
this.autoFlush = true;
namespaceStack.push(Namespace.NO_NAMESPACE);
}
/**
* Get an OutputStreamWriter, use preferred encoding.
*/
protected Writer createWriter(OutputStream outStream, String encoding) throws UnsupportedEncodingException {
return new BufferedWriter(
new OutputStreamWriter( outStream, encoding )
);
}
由上面的代碼我們可以看出dom4j對編碼並沒有進行什麼很複雜的處理，完全通過java本身的功能來完成。所以我們在使用dom4j的來產生我們的XML檔案時不應該直接為在構建XMLWriter時，不應該直接為其賦一個Writer對象，而應該通過一個OutputStream的子類對象來構建。也就是說在我們上面的代碼中，不應該用FileWriter對象來構建xml文檔，而應該使用FileOutputStream對象來構建所以將代碼修改入下：
public void createXML(String fileName) {
document．nbspdoc = org.dom4j.document．elper.createdocument．);
Element root = doc.addElement("book");
root.addAttribute("name", "我的圖書"); Element childTmp;
childTmp = root.addElement("price");
childTmp.setText("21.22"); Element writer = root.addElement("author");
writer.setText("李四");
writer.addAttribute("ID", "001"); try {
//注意這裡的修改
org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
new FileOutputStream(fileName));
xmlWriter.write(doc);
xmlWriter.close();
}
catch (Exception e) {
System.out.println(e);
}
} 至此DOM4J的問題編碼問題算是告一段落，希望對此文章對其他朋友有用。
原文：http://hi.baidu.com/hxzon/item/b71490893fba92c799255f45
