将XML文件解析为DOM时出错

Question

我尝试使用DocumentBuilderFactory解析XML文件，如下所示：

DocumentBuilderFactory ndsParserFactory = DocumentBuilderFactory.newInstance( );
ndsParserFactory.setNamespaceAware( true );
DocumentBuilder ndsParser = ndsParserFactory.newDocumentBuilder( );
Document ndsDocument = ndsParser.parse( ndsFileInputStream );

其中ndsFileInputStream是一个InputStream，包装包含XML的文件。

当文件包含Unicode字符（如Δ）时，会出现异常。当我去掉包含违规字符的行时，解析工作正常。

该文件包含特征

我想知道我是否忽略了正确配置DocumentBuilderFactory（或DocumentBuilder）实例以处理Δ字符。

编辑（来自评论）：

完全公开：这是Android，我在Android应用程序中包含XML文件（具有NDS文件扩展名）作为资产。我通过AssetManager访问它们，AssetManager提供了一种方便的方法，可以将资产文件打开到InputStream中，然后将其传递给DocumentBuilder的解析方法我16小时前就开始焊接了

我注意到assets文件夹的内容默认使用CP1252编码。所以我把它改成UTF8。不走运。然后，我从一个NDS文件（每个链接）中删除了BOM表并重试。不走运。我认为APK文件（像ZIP文件一样压缩）在某种程度上破坏了非ASCII XML。我想我将不得不求助于通过其他方式把NDS文件放到Android设备上。。。




Answer 1

您确定该文件确实是以UTF-8格式编写的吗？显然，您可以在一些编辑器中打开它，它会正确地显示文本，但它可能只是作为编码进行了很好的猜测。

要记住的另一件事是所有的字符都是UTF-8中的Unicode——当解析器碰到在声明的编码中无效的字节序列时，解析器就会窒息。UTF-8是一种非常宽容的编码，可以使用7位ASCII集中的任何字符进行编码，就像它是普通的ASCII一样，许多XML都是由普通的ASCII字符组成的。然后，当出现非ASCII的东西时，这就会让人们注意到，通过html" target="_blank">系统的文本编码路径中的缺陷突然变得明显。

您可以尝试编辑XML声明，看看它是否在另一个字符编码下解析ok；8859-7包含Δ符号——它可以用它编码吗？

还有，什么是例外？