在GAE上解析完全有效的XML时，“序言中不允许内容”

Question

在过去的48个小时里，我一直对这个绝对令人毛骨悚然的bug感到震惊，所以我想我最终会把毛巾扔掉，尝试在这里问一下，然后再将笔记本电脑扔出窗户。

我正在尝试从对AWS SimpleDB的调用中解析响应XML。响应恢复正常。例如，它可能看起来像：

<?xml version="1.0" encoding="utf-8"?> 
<ListDomainsResponse xmlns="http://sdb.amazonaws.com/doc/2009-04-15/">
    <ListDomainsResult>
        <DomainName>Audio</DomainName>
        <DomainName>Course</DomainName>
        <DomainName>DocumentContents</DomainName>
        <DomainName>LectureSet</DomainName>
        <DomainName>MetaData</DomainName>
        <DomainName>Professors</DomainName>
        <DomainName>Tag</DomainName>
    </ListDomainsResult>
    <ResponseMetadata>
        <RequestId>42330b4a-e134-6aec-e62a-5869ac2b4575</RequestId>
        <BoxUsage>0.0000071759</BoxUsage>
    </ResponseMetadata>
</ListDomainsResponse>

我将此XML传递给解析器

XMLEventReader eventReader = xmlInputFactory.createXMLEventReader(response.getContent());

并打电话eventReader.nextEvent();多次以获得我想要的数据。

这是奇怪的部分-它在本地服务器中很好用。我解析了响应，每个人都很高兴。问题是，当我将代码部署到Google App
Engine时，传出请求仍然有效，并且响应XML对我来说似乎100％相同且正确，但是响应无法解析，但出现以下异常：

com.amazonaws.http.HttpClient handleResponse: Unable to unmarshall response (ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.): <?xml version="1.0" encoding="utf-8"?> 
<ListDomainsResponse xmlns="http://sdb.amazonaws.com/doc/2009-04-15/"><ListDomainsResult><DomainName>Audio</DomainName><DomainName>Course</DomainName><DomainName>DocumentContents</DomainName><DomainName>LectureSet</DomainName><DomainName>MetaData</DomainName><DomainName>Professors</DomainName><DomainName>Tag</DomainName></ListDomainsResult><ResponseMetadata><RequestId>42330b4a-e134-6aec-e62a-5869ac2b4575</RequestId><BoxUsage>0.0000071759</BoxUsage></ResponseMetadata></ListDomainsResponse>
javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.
    at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(Unknown Source)
    at com.sun.xml.internal.stream.XMLEventReaderImpl.nextEvent(Unknown Source)
    at com.amazonaws.transform.StaxUnmarshallerContext.nextEvent(StaxUnmarshallerContext.java:153)
    ... (rest of lines omitted)

我有两次，三次，四次检查此XML中的“不可见字符”或非UTF8编码字符，等等。我在数组中逐字节查看了字节顺序标记或类似性质的东西。没有;
它通过了我可能会提出的所有验证测试。更奇怪的是，如果我也使用基于Saxon的解析器，则会发生这种情况-但仅在GAE上，它在我的本地环境中始终可以正常工作。

当我只能在运行良好的环境中运行调试器时，很难找到问题的代码（我还没有找到在GAE上进行远程调试的任何好方法）。不过，使用我拥有的原始方法，我尝试了百万种方法，包括：

• 有和没有序言的XML
• 有无换行符
• 在序言中是否包含“ encoding =“属性
• 两种换行样式
• HTTP流中是否存在分块信息

而且我已经尝试了多种组合中的大多数方法，在这些组合中它们会相互作用是很有意义的-什么都没有！我机智的尽头。有没有人看到过这样的问题，希望可以对此有所启发？

谢谢！

Answer 1

XML和XSD（或DTD）中的编码不同。
XML文件头： <?xml version='1.0' encoding='utf-8'?>
XSD文件头：<?xml version='1.0' encoding='utf-16'?>

导致这种情况的另一种可能的情况是，在XML文档类型声明之前发生了任何事情。即您可能在缓冲区中有以下内容：

helloworld<?xml version="1.0" encoding="utf-8"?>

甚至是空格或特殊字符。

缓冲区中可能有一些称为字节顺序标记的特殊字符。在将缓冲区传递给解析器之前，请执行此操作…

String xml = "<?xml ...";
xml = xml.trim().replaceFirst("^([\\W]+)<","<");