0

我正在用 Java 编写一个使用 prefuse 库的程序。该程序根据从 twitter 收集的信息生成图表。我正在尝试让我的程序保存生成的图表，以便稍后我可以加载它们。

prefuse 类 GraphMLWriter 工作正常，它生成一个以 UTF-8 和 xml 版本编码的 graphml：1.0。

当我想加载生成的 graphml 文件时出现我的问题。为此，我使用类 GraphMLReader 的方法 readGraph(InputStream is)。此方法返回一个 Graph 对象并使用 SaxParser 解析带有 GraphMLHandler 类的处理程序对象的 graphml 文件。该对象将图形构造为解析器解析 xml 文件的所有行。当 xml 文件包含“á”或“ñ”等字符或表情符号时，我收到 prefuse.data.io.DataIOException 引发的 SAXParseException。生成的所有 xml 文件都包含表示推文的字符串。

一个例子是：

<data key="info">Las extra&#241;o muchooooo a ambas! &#55357;&#56469;</data>

错误说：

线程“主”prefuse.data.io.DataIOException 中的异常：>org.xml.sax.SAXParseException；行号：165；列号：67；字符引用 "

仅此而已，似乎错误消息已被剪切。

这些是我用来将图形对象“g”保存到 GraphML 中的代码，称为“已保存的图形”：

(new GraphMLWriter()).writeGraph(graph, "Graph saved");

这是我用来将图形加载到从名为“Graph saved”的GraphML文件生成的图形“g2”中的一个

Graph g2 = (new GraphMLReader().readGraph("Graph saved"));

我能做些什么来解决这个问题？

4

1 回答 1

0

&#55357并且&#56469是代理部分，所以我猜你的原始数据包含一些扩展的 unicode 字符。似乎 prefuse创建了一个 XMLWriter，它对不一定正确的GraphMLWriter编码做出了一些假设——它假设 String 中的所有字符都是 16 位代码点并相应地对它们进行编码。在这种情况下，我们似乎有一个代理对，需要一些更智能的处理（对原作者公平，在 2005/2006 年看到这样的值有点不寻常，几乎每个人都认为 Unicode 意味着每 16 位特点）。

无论如何，我认为您在这里唯一的选择是预先过滤您的数据，或修补 prefuse 库。如果您反对分叉，一种方法是使用几乎完全相同的副本进行扩展GraphMLWriter和覆盖，将第73 行的创建替换为您自己的扩展，您可以在其中覆盖以正确处理代理。Java 的 Character 类提供的方法可以告诉您char 是否是 surrogate，以及一对字符是否构成有效的代理对- 如果找到这样的一对，则可以生成正确的 XML 实体。writeGraphXMLWriterXMLWriterescapeString

于 2017-02-11T21:54:43.040 回答