MalformedByteSequenceException: недопустимый байт 2 2-байтовой последовательности UTF-8

Question

У меня есть xml-файл, который содержит арабские символы. Когда я пытаюсь проанализировать файл, возникает исключение, MalformedByteSequenceException: недопустимый байт 2 из 2-байтовой последовательности UTF-8. Я использую POI DOM для синтаксического анализа документа.

Бревно,

2012-03-19 11:30:00,433 [ERROR] (com.infomindz.remitglobe.bll.remittance.BlackListBean) - Error 

com.sun.org.apache.xerces.internal.impl.io.MalformedByteSequenceException: Invalid byte 2 of 2-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 com.infomindz.remitglobe.bll.remittance.BlackListBean.updateGeneralBlackListDetail(Unknown Source)

    at com.infomindz.remitglobe.bll.remittance.schedulers.BlackListUpdateScheduler.executeInternal(Unknown Source)

    at org.springframework.scheduling.quartz.QuartzJobBean.execute(QuartzJobBean.java:86)

    at org.quartz.core.JobRunShell.run(JobRunShell.java:216)

    at org.quartz.simpl.SimpleThreadPool$WorkerThread.run(SimpleThreadPool.java:549)

Исключение возникает только в Windows Machine, а не в Linux Machine. Как я могу решить эту проблему. Любое предложение должно быть заметно.

Answer 1

Я решил проблему, создав файл XML в формате UTF8.

OutputStreamWriter bufferedWriter = new OutputStreamWriter(filePath +
                        System.getProperty("file.separator") + fileName), "UTF8");

После создания файла с использованием вышеуказанного кода проблема с кодировкой решена. Спасибо за каждое, приложите усилия здесь.

Answer 2

вы можете добавить параметр jvm -Dfile.encoding = utf-8 к вашему jvm.

Answer 3

Все, что мы можем сказать из сообщения, это то, что файл неправильно закодирован в UTF-8. Чтобы понять почему, вам нужно будет проследить историю создания файла. Может быть (или не может) быть полезным изучить содержимое файла на двоичном уровне, чтобы увидеть, какова действительная кодировка. Например, может быть полезно узнать, находится ли весь файл в неправильной кодировке, или он просто содержит пару случайных символов в неправильной кодировке.

Answer 4

Довольно простое решение:

File file = new File("c:\\file-utf.xml");
InputStream inputStream= new FileInputStream(file);
Reader reader = new InputStreamReader(inputStream,"UTF-8");

InputSource is = new InputSource(reader);
// is.setEncoding("UTF-8"); -> This line causes error! Content is not allowed in prolog

saxParser.parse(is, handler);

Ссылка: http://www.mkyong.com/java/sax-error-malformedbytesequenceexception-invalid-byte-1-of-1-byte-utf-8-sequence/

Answer 5

это символ начального документа ОС.Вы должны использовать некоторое средство просмотра байтов и удалить его из своего документа.Вы можете попробовать использовать что-то вроде unix2dos для преобразования управляющих символов.

Answer 6

Я думаю, что ваш парсер ожидает байт, закодированный в UTF-8, и получает его в другой кодировке. Проверьте кодировку файла.

Возможным решением может быть преобразование файла в UTF-8.

Если у вас есть система Unix, вы можете использовать этот инструмент

iconv -f original_charset -t utf-8 your_file > new_file