這幾天開始學習dom4j，在網上找了篇文章就開干了，上手非常的快，但是發現了個問題就是無法以UTF-8保存xml文件，保存后再次讀出的時候會報“Invalid byte 2 of 2-byte UTF-8 sequence.”這樣一個錯誤，檢查發現由dom4j生成的這個文件，在使用可正確處理XML編碼的任何的編輯器中中文成亂碼，從記事本查看并不會出現亂碼會正確顯示中文。讓我很是頭痛。試著使用GBK、gb2312編碼來生成的xml文件卻可以正常的被解析。因此懷疑的dom4j沒有對utf-8編碼進行處理。便開始查看dom4j的原代碼。終于發現的問題所在，是自己程序的問題。
在dom4j的范例和網上流行的
《DOM4J 使用簡介》這篇教程中新建一個xml文檔的代碼都類似如下
public void createXML(String fileName) {
Document doc = org.dom4j.DocumentHelper.createDocument();
Element root = doc.addElement("book");
root.addAttribute("name", "我的圖書");
Element childTmp;
childTmp = root.addElement("price");
childTmp.setText("21.22");
Element writer = root.addElement("author");
writer.setText("李四");
writer.addAttribute("ID", "001");
try {
org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
new FileWriter(fileName));
xmlWriter.write(doc);
xmlWriter.close();
}
catch (Exception e) {
System.out.println(e);
}
}
在上面的代碼中輸出使用的是FileWriter對象進行文件的輸出。這就是不能正確進行文件編碼的原因所在，java中由Writer類繼承下來的子類沒有提供編碼格式處理，所以dom4j也就無法對輸出的文件進行正確的格式處理。這時候所保存的文件會以系統的默認編碼對文件進行保存，在中文版的window下java的默認的編碼為GBK，也就是所雖然我們標識了要將xml保存為utf-8格式但實際上文件是以GBK格式來保存的，所以這也就是為什么能夠我們使用GBK、GB2312編碼來生成xml文件能正確的被解析，而以UTF-8格式生成的文件不能被xml解析器所解析的原因。
好了現在我們找到了原因所在了，我們來找解決辦法吧。首先我們看看dom4j是如何實現編碼處理的
public XMLWriter(OutputStream out) throws UnsupportedEncodingException {
//System.out.println("In OutputStream");
this.format = DEFAULT_FORMAT;
this.writer = createWriter(out, format.getEncoding());
this.autoFlush = true;
namespaceStack.push(Namespace.NO_NAMESPACE);
}
public XMLWriter(OutputStream out, OutputFormat format) throws UnsupportedEncodingException {
//System.out.println("In OutputStream,OutputFormat");
this.format = format;
this.writer = createWriter(out, format.getEncoding());
this.autoFlush = true;
namespaceStack.push(Namespace.NO_NAMESPACE);
}
/**
* Get an OutputStreamWriter, use preferred encoding.
*/
protected Writer createWriter(OutputStream outStream, String encoding) throws UnsupportedEncodingException {
return new BufferedWriter(
new OutputStreamWriter( outStream, encoding )
);
}
由上面的代碼我們可以看出dom4j對編碼并沒有進行什么很復雜的處理，完全通過java本身的功能來完成。所以我們在使用dom4j的來生成我們的XML文件時不應該直接為在構建XMLWriter時，不應該直接為其賦一個Writer對象，而應該通過一個OutputStream的子類對象來構建。也就是說在我們上面的代碼中，不應該用FileWriter對象來構建xml文檔，而應該使用FileOutputStream對象來構建所以將代碼修改入下：
public void createXML(String fileName) {
Document doc = org.dom4j.DocumentHelper.createDocument();
Element root = doc.addElement("book");
root.addAttribute("name", "我的圖書");
Element childTmp;
childTmp = root.addElement("price");
childTmp.setText("21.22");
Element writer = root.addElement("author");
writer.setText("李四");
writer.addAttribute("ID", "001");
try {
//注意這里的修改
org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
new FileOutputStream(fileName));
xmlWriter.write(doc);
xmlWriter.close();
}
catch (Exception e) {
System.out.println(e);
}
}
至此DOM4J的問題編碼問題算是告一段落，希望對此文章對其他朋友有用。
[轉自] http://blog.csdn.net/lonsen/archive/2004/10/31/160625.aspx