XMLStreamReader：获取字符偏移量：文件中的XML

Question

XMLStreamReader - > Location有一个名为getCharacterOffset()的方法。

不幸的是，Javadocs表明这是一个非常有名的方法：它也可以返回一个字节偏移量（这在实践中似乎是真的）; 没有用，这似乎是从文件中读取时（例如）：

Javadoc说：

将字节或字符偏移量返回到此位置指向的输入源。 如果输入源是文件或字节流，那么这是该流的字节偏移量，但如果输入源是字符媒体，则偏移量是字符偏移量。 （重点补充）

我真的需要字符偏移; 而且我很确定我会得到字节偏移量。

（UTF-8编码的）XML包含在（部分损坏的1G）文件中。 [因此需要使用较低级别的API，它不会抱怨缺乏良好的形式，直到它真的别无选择，只有]。

题

当Javadoc说“输入源是一个角色媒体......”时，Javadoc是什么意思：我怎么能强迫它把我的输入文件想象成'角色媒体' - 这样我才能获得准确的（字符）偏移量而不是字节偏移？

额外的等等等等

[我很确定这是正在发生的事情 - 当我剥离文件时（使用某些已知的高级标签）我得到一些字符丢失或额外 - 以非准确的方式 - 我正在区别对待一些多字节字符丢掉计数器：当我复制时（例如在Powershell中使用'head'/'tail' - 这个工具似乎正确识别[或假设UTF-8]并且转换为我认为UTF-16]

Answer 1

偏移量以底层Source为单位。

XMLStreamReader只知道它从Source读取了多少单位，因此偏移量以这些单位计算。

Stream以byte为单位工作，因此最终会产生byte偏移。

Reader以char为单位工作，因此最终得到char的偏移量。

StreamSource的文档更明确地表达了“角色媒体”的含义。

也许尝试类似的东西

final Source source = new StreamSource(new InputStreamReader(new FileInputStream(new File("my.xml")), "UTF-8"));
final XMLStreamReader xmlReader = XMLInputFactory.newFactory().createXMLStreamReader(source);

Answer 2

XMLInputFactory.createXMLStreamReader(java.io.InputStream)是一个字节流

XMLInputFactory.createXMLStreamReader(java.io.Reader)是一个字符流