如何使用Java对XML文档进行UTF-8编码

Question

我有一个Java程序，可以从Excel工作表中读取一些内容并创建XML。

长话短说，我需要XML中包含的字符串仅包含有效的XML字符并正确编码和需要编码的字符。

问题：在写入文件之前，如何在Java中编码这些字符？

谢谢！

注意：这些是字符，例如：“ (“)和” (”)以及其他类似字符。

Answer 1

据我所知，您想以UTF-8格式编写XML，下面以UTF-8格式编写文件是Java中使用OutputStreamWriter一种标准方式：

File f = new File("test.xml");
BufferedWriter wr = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(f), "UTF-8"));
wr.write("xml text here");

UTF-8是一种可变宽度编码，可以表示每个字符Unicode字符集，请参见http://en.wikipedia.org/wiki/UTF-8#Description和http://en.wikipedia.org/wiki/Quotation_mark# Smart_quotes 。

此外，在您的情况下，您似乎想将“转换为”，并希望在UTF-8转换过程中能够解决此问题（我可能是错的，但这是我从您的响应中看到的）。您是否在XSL中说“”字符但是XML具有“？ 如果是这样，那么这是一个不同的问题，那么正在讨论什么。

编辑：只是为了澄清，如果XSL具有“”并且就UTF-8编码而言，书面XML也具有相同的字符，我认为不会有任何问题。

以下XML是包含Unicode字符的有效XML：

<?xml version="1.0" encoding="UTF-8"?>
<root>
<summary>This is a summary, text may contain &#x201C;Unicode&#x201D; characters</summary>
</root>

如果支持字符集，则可以在任何浏览器中打开，否则将正确呈现XML；否则，如果出现非XML投诉字符，则会引发以下错误（至少在Chrome中，可能取决于浏览器）：

CharRef：无效的十进制值

有关XML中有效字符集的范围，请参见： http : //www.w3.org/TR/REC-xml/#charsets

字符:: =＃x9 | #xA | #xD | [＃x20-＃xD7FF] | [＃xE000-＃xFFFD] | [＃x10000-＃x10FFFF]
/ *任何Unicode字符，代理块，FFFE和FFFF除外。 * /

有关不兼容的XML字符集，请访问： http : //www.w3.org/TR/unicode-xml/#Charlist

类似于在XML中写<，>，”（因为它们需要写成＆lt，＆gt;”）， Unicode字符需要按以下方式写：＆＃xNNNN;其中NNNN是Unicode十六进制数。请参阅上面的示例XML。

因此，在以编程方式编写XML时，您需要显式处理此类字符，就像遇到此类字符时将其转换为＆＃x形式一样。

Answer 2

每当读取文件或写入文件时，请确保定义编码并使用UTF-8。 请注意，因为所有这些方法也确实存在而没有编码字符串，在这种情况下，将使用OS默认编码。

例如 采用

InputStreamReader myReader=InputStreamReader(inputStream,"UTF-8");

而不是没有Carset名称的构造函数。