如何使用 ISO-8859-1 中的字符集将字符串转换为文档 (DOM)

Question

我正在将 Web 服务中接收到的字符串转换为文档 (DOM) xml，如下所示：

Document file= null;
String xmlFile= "blablabla"; //latin1 encodeing

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
this.file = builder.parse(new InputSource(new StringReader(xmlFile)));

但是该字符串是用 ISO-8859-1 (latin1) 编码的，当我阅读本文档的一个节点时，我遇到了一些错误。如何使用 ISO-8859-1 编码正确创建 DOM 对象？或者如何读取字符串中编码为 Latin 1 的节点？？？

Answer 1

前言

字符串没有编码，因为它们代表一个字符序列（它们是在 unicode 标准中定义的抽象实体）。

字节序列有一个编码，可以被解释为一个字符序列（前提是你告诉java如何解释它）。

您的问题

在您的问题中，您的数据存储在字符串中。因此它已经被解释为一个字符序列。显然解释不正确。

根据您的问题和您了解数据编码的方式，有 2 个选项：

解决方案 1（可能是最好的）：

不要解释您收到的数据并将其保存为字节序列（Stream 或 byte[] 或 ByteArray）。然后将此字节序列直接传递给您的 DOM 解析器（只要标记正确，它将正确解码 xml 文件，无论其编码如何。

解决方案 2（可能是唯一可行的方法，具体取决于您获取数据的方式）：

如@ThOrndike 的回答中所述，将字符串重新编码为 ByteArray：

this.file = builder.parse(new ByteArrayInputStream(xmlFile.getBytes("ISO-8859-1")));

这只有在您确定字符串一开始就被正确解释的情况下才有效。

显然，这里不是这种情况，似乎为您提供字符串的库已经将其解释为 UTF-8 字节序列（用“？”替换所有错误字节，这是 UTF 的行为-8 位读者）。在这种情况下，您将无法执行任何操作，因为原始字节已丢失。

您唯一的希望是解决方案 1，或者找到一种方法来强制为您提供 String 的库正确解释它。

Answer 2

试试这个：

this.file = builder.parse(new ByteArrayInputStream(xmlFile.getBytes("ISO-8859-1")));