UTF-8或ISO-8859-1编码XML的动态SAX解析器

Question

我正在为Android开发一个应用程序，在那里我必须解析不同的XML文件。其中大多数是用UTF-8编码的，但也有少数是用ISO-8859-1编码的。

  HttpURLConnection con = (HttpURLConnection) url.openConnection();
  ...
  in = con.getInputStream();
  InputSource is = new InputSource(in);
  ...
  parser.parse(is, handler);

我处理输入的代码如上所示。Java文档介绍了inputsource:

如果没有字符流，但有字节流，解析器将使用InputSource中指定的编码使用该字节流，或者（如果没有指定编码）使用XML规范中的算法自动检测字符编码。

我传递的是字节流，但我没有指定编码，因此根据文档，编码应该被自动检测。但事实并非如此。所有用UTF-8编码的文件都很好，但ISO-8859-1不是（我得到了一个解析器expat...一些无效字符的异常)。如果我手动将inputsource的编码设置为“ISO-8859-1”，则会发生相反的情况。

我该怎么解决这个？我搜索了Google和StackOverflow几个小时，但没有找到解决方案。我还试图将characterStream传递给inputsource，但是ISO-8859-1文件中的一些字符(äöüüüü)仍然显示为“？”在我的应用程序里。

提前感谢！

Answer 1

最好的解决办法取决于你问题的确切原因。如果通过HTTP检索XML文档，编码也可以在Content-Type响应头中指定，而不必在XML文档本身中指定。如果是这种情况，并且Android中的XML库已经正确实现（我无法在此检查是否计算了Content+Type头），那么您应该能够直接使用URLnew InputSource（“http：//...”）；创建一个InputSource。

如果在HTTP标头中没有设置编码，在XML序言中也没有指定编码，那么解析器如果采用UTF-8编码（按照XML规范的要求），则可以正确操作。文档中提到的autodetection并不意味着解析器实际上查看文档内容以对编码做出假设，而是意味着它检查XML流的编码属性。如果缺少编码属性，则默认为UTF-8。