這兩天操作XML使用到了Jdom，在創建XML文件并輸出到硬盤的時候遇到一個中文編碼的問題：Jdom默認輸出的XML編碼是UTF-8，但是文檔中如果出現中文字符那么該中文字符就會變成亂碼，造成XML文件無法被正確解析。
UTF-8應該是可以用來表示中文的吧？我不知道這是不是Jdom的一個BUG（Jdom 1.0，beta了10次的產物哦！）。我google了一下，大家解決這個問題的辦法無非是把Jdom的輸出字符集改為GBK或者GB2312，但是這樣就會有一些副作用，如果在沒有特定字符集（GBK或者GB2312）的操作系統上不是依然不能正確解析嗎？一個比較好的解決辦法是先把中文轉換成Unicode編碼在直接輸出，程序解析XML后的時候再把Unicode編碼轉回中文就沒有問題了。
于是我查看了JDK的文檔，截至Java 5好像都沒有做類似轉換的類可以直接使用，但是我發現一個類 java.util.Properties，它的源代碼里有兩個私有（private）方法 loadConvert (char[] in, int off, int len, char[] convtBuf) 和 saveConvert(String theString, boolean escapeSpace) 其實就是做特殊字符和Unicode編碼字符間轉換的，我把它們提取出來，單獨包裝到一個類里就可以使用了。
下面是我包裝的類 CharacterSetToolkit
/*
?* CharacterSetToolkit.java
?*
?* Created on 2006年10月27日, 下午2:06
?*
?* To change this template, choose Tools | Template Manager
?* and open the template in the editor.
?*/
package mobi.chenwei.lang;
/**
?* 進行字符操作的工具類
?* @author Chen Wei
?* @email chenwei.mobi@gmail.com
?*/
public class CharacterSetToolkit {
???
??? /** Creates a new instance of CharacterSetToolkit */
??? public CharacterSetToolkit() {
??? }
???
??? private static final char[] hexDigit = {
??????? '0','1','2','3','4','5','6','7','8','9','A','B','C','D','E','F'
??? };
???
??? private static char toHex(int nibble) {
??????? return hexDigit[(nibble & 0xF)];
??? }
???
??? /**
???? * 將字符串編碼成 Unicode 。
???? * @param theString 待轉換成Unicode編碼的字符串。
???? * @param escapeSpace 是否忽略空格。
???? * @return 返回轉換后Unicode編碼的字符串。
???? */
??? public static String toUnicode(String theString, boolean escapeSpace) {
??????? int len = theString.length();
??????? int bufLen = len * 2;
??????? if (bufLen < 0) {
??????????? bufLen = Integer.MAX_VALUE;
??????? }
??????? StringBuffer outBuffer = new StringBuffer(bufLen);
??????? for(int x=0; x<len; x++) {
??????????? char aChar = theString.charAt(x);
??????????? // Handle common case first, selecting largest block that
??????????? // avoids the specials below
??????????? if ((aChar > 61) && (aChar < 127)) {
??????????????? if (aChar == '\\') {
??????????????????? outBuffer.append('\\'); outBuffer.append('\\');
??????????????????? continue;
??????????????? }
??????????????? outBuffer.append(aChar);
??????????????? continue;
??????????? }
??????????? switch(aChar) {
??????????????? case ' ':
??????????????????? if (x == 0 || escapeSpace)
??????????????????????? outBuffer.append('\\');
??????????????????? outBuffer.append(' ');
??????????????????? break;
??????????????? case '\t':outBuffer.append('\\'); outBuffer.append('t');
????????????????????????? break;
??????????????? case '\n':outBuffer.append('\\'); outBuffer.append('n');
????????????????????????? break;
??????????????? case '\r':outBuffer.append('\\'); outBuffer.append('r');
????????????????????????? break;
??????????????? case '\f':outBuffer.append('\\'); outBuffer.append('f');
????????????????????????? break;
??????????????? case '=': // Fall through
??????????????? case ':': // Fall through
??????????????? case '#': // Fall through
??????????????? case '!':
??????????????????? outBuffer.append('\\'); outBuffer.append(aChar);
??????????????????? break;
??????????????? default:
??????????????????? if ((aChar < 0x0020) || (aChar > 0x007e)) {
??????????????????????? outBuffer.append('\\');
??????????????????????? outBuffer.append('u');
??????????????????????? outBuffer.append(toHex((aChar >> 12) & 0xF));
??????????????????????? outBuffer.append(toHex((aChar >>? 8) & 0xF));
??????????????????????? outBuffer.append(toHex((aChar >>? 4) & 0xF));
??????????????????????? outBuffer.append(toHex( aChar??????? & 0xF));
??????????????????? } else {
??????????????????????? outBuffer.append(aChar);
??????????????????? }
??????????? }
??????? }
??????? return outBuffer.toString();
??? }
???
??? /**
???? * 從 Unicode 碼轉換成編碼前的特殊字符串。
???? * @param in Unicode編碼的字符數組。
???? * @param off 轉換的起始偏移量。
???? * @param len 轉換的字符長度。
???? * @param convtBuf 轉換的緩存字符數組。
???? * @return 完成轉換，返回編碼前的特殊字符串。
???? */
??? public String fromUnicode(char[] in, int off, int len, char[] convtBuf) {
??????? if (convtBuf.length < len) {
??????????? int newLen = len * 2;
??????????? if (newLen < 0) {
??????????????? newLen = Integer.MAX_VALUE;
??????????? }
??????????? convtBuf = new char[newLen];
??????? }
??????? char aChar;
??????? char[] out = convtBuf;
??????? int outLen = 0;
??????? int end = off + len;
??????? while (off < end) {
??????????? aChar = in[off++];
??????????? if (aChar == '\\') {
??????????????? aChar = in[off++];
??????????????? if (aChar == 'u') {
??????????????????? // Read the xxxx
??????????????????? int value = 0;
??????????????????? for (int i = 0; i < 4; i++) {
??????????????????????? aChar = in[off++];
??????????????????????? switch (aChar) {
??????????????????????? case '0':
??????????????????????? case '1':
??????????????????????? case '2':
??????????????????????? case '3':
??????????????????????? case '4':
??????????????????????? case '5':
??????????????????????? case '6':
??????????????????????? case '7':
??????????????????????? case '8':
??????????????????????? case '9':
??????????????????????????? value = (value << 4) + aChar - '0';
??????????????????????????? break;
??????????????????????? case 'a':
??????????????????????? case 'b':
??????????????????????? case 'c':
??????????????????????? case 'd':
??????????????????????? case 'e':
??????????????????????? case 'f':
??????????????????????????? value = (value << 4) + 10 + aChar - 'a';
??????????????????????????? break;
??????????????????????? case 'A':
??????????????????????? case 'B':
??????????????????????? case 'C':
??????????????????????? case 'D':
??????????????????????? case 'E':
??????????????????????? case 'F':
??????????????????????????? value = (value << 4) + 10 + aChar - 'A';
??????????????????????????? break;
??????????????????????? default:
??????????????????????????? throw new IllegalArgumentException(
??????????????????????????????????? "Malformed \\uxxxx encoding.");
??????????????????????? }
??????????????????? }
??????????????????? out[outLen++] = (char) value;
??????????????? } else {
??????????????????? if (aChar == 't') {
??????????????????????? aChar = '\t';
??????????????????? } else if (aChar == 'r') {
??????????????????????? aChar = '\r';
??????????????????? } else if (aChar == 'n') {
??????????????????????? aChar = '\n';
??????????????????? } else if (aChar == 'f') {
??????????????????????? aChar = '\f';
??????????????????? }
??????????????????? out[outLen++] = aChar;
??????????????? }
??????????? } else {
??????????????? out[outLen++] = (char) aChar;
??????????? }
??????? }
??????? return new String(out, 0, outLen);
??? }
}