почему org.apache.xerces.parsers.SAXParser не пропускает спецификацию в кодировке utf8 xml? - PullRequest
Новая
       17

почему org.apache.xerces.parsers.SAXParser не пропускает спецификацию в кодировке utf8 xml?

6 голосов
/ 18 марта 2011

У меня есть xml с кодировкой utf8.И этот файл содержит спецификацию начала файла.Поэтому во время синтаксического анализа я сталкиваюсь с org.xml.sax.SAXParseException: содержимое не разрешено в прологе.Я не могу удалить эти 3 байта из файлов.Я не могу загрузить файл в память и удалить их здесь (файлы большие).Поэтому по соображениям производительности я использую SAX-парсер и хочу просто пропустить эти 3 байта, если они присутствуют перед тегом "".Должен ли я наследовать InputStreamReader для этого?

Я новичок в Java - покажи мне правильный путь, пожалуйста.

Ответы [ 3 ]

4 голосов
/ 18 марта 2011

Это уже происходило раньше, и я нашел ответ на переполнении стека, когда это случилось со мной.Связанный ответ использует PushbackInputStream для проверки спецификации.

2 голосов
/ 06 мая 2013 
private static char[] UTF32BE = { 0x0000, 0xFEFF };
private static char[] UTF32LE = { 0xFFFE, 0x0000 };
private static char[] UTF16BE = { 0xFEFF };
private static char[] UTF16LE = { 0xFFFE };
private static char[] UTF8 = { 0xEFBB, 0xBF };

private static boolean removeBOM(Reader reader, char[] bom) throws Exception {
    int bomLength = bom.length;
    reader.mark(bomLength);
    char[] possibleBOM = new char[bomLength];
    reader.read(possibleBOM);
    for (int x = 0; x < bomLength; x++) {
        if ((int) bom[x] != (int) possibleBOM[x]) {
            reader.reset();
            return false;
        }
    }
    return true;
}

private static void removeBOM(Reader reader) throws Exception {
    if (removeBOM(reader, UTF32BE)) {
        return;
    }
    if (removeBOM(reader, UTF32LE)) {
        return;
    }
    if (removeBOM(reader, UTF16BE)) {
        return;
    }
    if (removeBOM(reader, UTF16LE)) {
        return;
    }
    if (removeBOM(reader, UTF8)) {
        return;
    }
}

использование: 

// xml can be read from a file, url or string through a stream
URL url = new URL("some xml url");
BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(url.openStream()));
removeBOM(bufferedReader);
2 голосов
/ 18 марта 2011

У меня возникла та же проблема, и я решил ее с помощью этого кода: 

private static InputStream checkForUtf8BOM(InputStream inputStream) throws IOException {
    PushbackInputStream pushbackInputStream = new PushbackInputStream(new BufferedInputStream(inputStream), 3);
    byte[] bom = new byte[3];
    if (pushbackInputStream.read(bom) != -1) {
        if (!(bom[0] == (byte) 0xEF && bom[1] == (byte) 0xBB && bom[2] == (byte) 0xBF)) {
            pushbackInputStream.unread(bom);
        }
    }
    return pushbackInputStream;
}
...