MalformedByteSequenceException при попытке анализа XML

Question

У меня есть следующие данные .gpx из Википедии:

<?xml version="1.0" encoding="UTF-8" standalone="no" ?>
<gpx xmlns="http://www.topografix.com/GPX/1/1" creator="byHand" version="1.1" 
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
xsi:schemaLocation="http://www.topografix.com/GPX/1/1 http://www.topografix.com/GPX/1/1/gpx.xsd">
  <wpt lat="39.921055008" lon="3.054223107">
    <ele>12.863281</ele>
    <time>2005-05-16T11:49:06Z</time>
    <name>Cala Sant Vicenç - Mallorca</name>
    <sym>City</sym>
  </wpt>
</gpx>

Когда я вызываю мой метод синтаксического анализа, я получаю исключение (см. Ниже). Звонок выглядит так:

Document tmpDoc = getParsedXML(currentGPX);

Мой метод синтаксического анализа выглядит следующим образом (стандартный код синтаксического анализа, ничего интересного ...)

    public static Document getParsedXML(String fileWithPath){
    DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
    DocumentBuilder db;
    Document doc = null;
    try {
        db = dbf.newDocumentBuilder();
        doc = db.parse(new File(fileWithPath));
    } catch (ParserConfigurationException e) {
        e.printStackTrace();
    } catch (SAXException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
    return doc;
    }

Этот простой код выдает следующее исключение:

com.sun.org.apache.xerces.internal.impl.io.MalformedByteSequenceException: Invalid byte 2 of 3-byte UTF-8 sequence.
at com.sun.org.apache.xerces.internal.impl.io.UTF8Reader.invalidByte(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.io.UTF8Reader.read(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLEntityScanner.load(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLEntityScanner.skipChar(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl$FragmentContentDriver.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentScannerImpl.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanDocument(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XMLParser.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)
at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)
at Zeugs.getParsedXML(Zeugs.java:38)
at Zeugs.main(Zeugs.java:25)

Полагаю, ошибка находится в формате первого файла, но я не знаю, где именно. Не могли бы вы дать мне подсказку?

Answer 1

Я бы предположил, что ваш файл не был сохранен в формате UTF-8.

Answer 2

У меня было такое же сообщение об ошибке в одной из моих программ. Но ошибка возникала только при запуске jar в консоли Windows. В linux или в eclipse (щелкните правой кнопкой мыши на файле основного класса> запустить как Java-приложение) ошибка не возникала.

Это, наверное, из-за того, что кодировка по умолчанию установлена ​​в Windows (Cp ..) против UTF-8 в linux и в eclipse. Чтобы изменить значение по умолчанию при запуске jar, просто добавьте параметр -Dfile.encoding = UTF8 в jvm

java -Dfile.encoding=UTF8 -jar myjar.jar

Причиной, по которой программа использует этот параметр, может быть то, что кодировка не была указана явно при использовании реализаций входного потока или считывателя.