从用Java中的SAX解析的XML属性值获取原始二进制数据

Question

我正在解析一个包含文本字符串的XML文档，该文本字符串是从各种输入文本文件中获得的，而这些文本文件没有有关其编码的信息，这些字符串存储为属性值。 XML文档本身是使用特定的编码生成的，但是文本字符串作为二进制数据传递到XML文档中，而没有任何有关其原始编码是什么的进一步信息。 ASCII值大于127的字符被转义：

<?xml version="1.0" encoding="ISO-8859-2" ?>
<Root>
  <Value val="&quot;&#xb5;&#xe0;&quot;"/>
</Root>

整个XML文档均以ISO-8859-2进行编码，并且元素Value的属性val的值为：

"µà"

最初以ISO-8859-1编码，根据PSPad HEX查看器的字节表示为：

22 B5 E0 22

在ISO-8859-2中也可以表示为：

"ľŕ"

问题是，我想将其解析为ISO-8859-2 ，但无法从SAX解析器获取非标准化值。 可以以String对象实例的形式获取该属性的值，该对象实例已经将文本表示为：

"µà"

我试图说服解析器解析ISO-8859-2中的XML，但是没有任何变化：

XMLReader parser = XMLReaderFactory.createXMLReader("org.apache.xerces.parsers.SAXParser");
MyHandler handler= new MyHandler(); // implementation of DefaultHandler
parser.setContentHandler(handler);
parser.setEntityResolver(handler);
InputStream instream = new FileInputStream("myFile.xml");
InputSource is = new InputSource(instream);
is.setEncoding("ISO-8859-2");
parser.parse(is);

我尝试将String视为UTF-16并获取字节，然后使用这些字节创建所需的值：

String val = attributes.getValue("val");
try{
      byte[] bytes = val.getBytes(StandardCharsets.UTF_16);
      ByteBuffer inputBuffer = ByteBuffer.wrap(bytes);
      CharBuffer chData = Charset.forName("ISO-8859-2").decode(inputBuffer);
} catch (UnsupportedEncodingException e) {
      System.out.println("Encoding not supported.")
}

但是我得到的是：

 ţ˙ " ľ ŕ "

分别：

 [-2, -1, 0, 34, 0, -75, 0, -32, 0, 34]

我不确定，如果这种方法是唯一正确的方法，那么如何获取文本值的原始二进制表示形式。

感谢您的建议。

Answer 1

这个问题与SAX不相关，而仅仅是一个如何将字节数组转换为ISO-8859-2编码字符串的问题。 因此，您可以使用如何在Java中将字符串与UTF8字节数组之间来回转换，以使用一种格式（ISO-8859-1）将字符串从属性转换为字节数组，然后从另一种格式（ISO-8859）转换回字符串。 -2）。

String s = "\"µà\"";
System.out.println(s);
byte[] iso8859_1_bytes = s.getBytes(Charset.forName("ISO-8859-1"));
System.out.println(Arrays.toString(iso8859_1_bytes));
String conv = new String(iso8859_1_bytes, Charset.forName("ISO-8859-2"));
System.out.println(conv);

这将生成以下输出：

"µà"
[34, -75, -32, 34]
"ľŕ"