Jena 的 I/O 编码问题

Question

我正在生成一些带有Jena 的RDF 文件。整个应用程序使用 utf-8 文本。源代码也存储在 utf-8 中。

当我在控制台上打印一个包含非英文字符的字符串时，我得到了正确的格式，例如Est un lieu généralement officielle assis....

然后，我使用 RDF 编写器来输出文件：

Model m = loadMyModelWithMultipleLanguages()
log.info( getSomeStringFromModel(m) ) // log4j, correct output
RDFWriter w = m.getWriter( "RDF/XML" ) // default enc: utf-8
w.setProperty("showXmlDeclaration","true") // optional  
OutputStream out = new FileOutputStream(pathToFile)
w.write( m, out, "http://someurl.org/base/" )
// file contains garbled text

RDF 文件以：<?xml version="1.0"?> 开头。如果我添加 utf-8，则没有任何变化。

默认情况下，文本应编码为 utf-8。 生成的 RDF 文件验证正常，但是当我使用任何编辑器/可视化器（vim、Firefox 等）打开它时，非英文文本都被弄乱了：Est un lieu généralement officielle assis ... 或 Est un lieu g\u221A\u00A9n\u221A\u00A9ralement officielle assis...。 （无论哪种方式，从用户的角度来看，这显然是不可接受的）。 Jena 支持的任何输出格式（RDF、NT 等）都会出现同样的问题。

我真的找不到一个合乎逻辑的解释。 official documentation 似乎没有解决这个问题。

我可以运行任何提示或测试来弄清楚吗？

Answer 1

我的猜测是你的字符串搞砸了，而你的 printStringFromModel() 方法恰好以一种意外使它们正确显示的方式输出它们，但如果没有更多信息，很难说。

您正在指示 Jena 在 RDF/XML 文件中包含 XML 声明，但不要说明 Jena 在 XML 声明中声明的编码（如果有）。这将有助于了解。

您也没有展示如何在 printStringFromModel() 方法中打印字符串。

此外，在 Firefox 中，转到查看菜单，然后转到字符编码。选择什么编码？如果不是 UTF-8，那么当你选择 UTF-8 时会发生什么？选择其他编码时，您是否可以正确显示内容？

编辑：您在帖子中显示的 sn-p 看起来不错，应该可以工作。我最好的猜测是，将源字符串读入 Jena 模型的代码已损坏，并将 UTF-8 源读取为 ISO-8859-1 或类似的东西。您应该能够通过检查其中一个有问题的字符串的length() 来确认或取消确认：如果像é 这样的每个麻烦字符都算作两个，那么错误就在阅读中；如果它被正确计算为一个，那么它正在写入。

Answer 2

我的提示/答案是在 3 个地方检查字节序列：

1. 数据源。使用 hex editor，确认源数据中的 é 字符由预期的 utf-8 十六进制序列 0xc3a8 表示。
2. 在内存中。在调用 printStringFromModel 之后，立即设置断点并检查字符串中的字节（或 convert to hex and print them out。
3. 输出文件。同样，使用十六进制编辑器检查字节序列是否为 0xc3a8。

这将准确说明字节在您的程序路径中传输时发生的情况，以及它们偏离预期 0xc3a8 的位置。

Answer 3

解决此问题的最佳方法是打包您能证明问题的最小代码单元，并在Jena Jira 上提交完整的、可运行的测试用例作为票证。