1

我正在使用 VTD-XML 使用 Java 解析 UTF-8 编码的 XML 文档。

一小段摘录如下：

<literal></literal>
<literal></literal>
<literal></literal>

我想遍历每个文字并将其打印到控制台。但是，我得到的是：

¢

我正确导航到每个元素。我获取文本值的方法是调用：

private static String toNormalizedString(String name, int val, final VTDNav vn) throws NavException {
    String strValue = null;
    if (val != -1) {
        strValue = vn.toNormalizedString(val);
    }
    return strValue;
}

我也尝试过vn.getXPathStringVal();，但是它产生了相同的结果。

我知道上面的每个文字都不仅仅是长度为 1 的字符串。相反，它们似乎是由两个字符组成的 unicode“字符”。如果它们的长度只是一个，我能够正确解析和输出汉字字符。

我的问题是 - 如何使用 VTD-XML 正确解析和输出这些字符？有没有办法在文字标签之间获取文本的底层字节，以便我自己解析这些字节？

编辑

处理 XML 每一行的代码 - 将其转换为字节数组，然后再转换回字符串。

try (BufferedReader br = new BufferedReader(new FileReader("res/sample.xml"))) {
        String line;
        while ((line = br.readLine()) != null) {
            byte[] myBytes = null;

            try {
                myBytes = line.getBytes("UTF-8");
            } catch (UnsupportedEncodingException e) {
                e.printStackTrace();
                System.exit(-1);
            }

            System.out.println(new String(myBytes));
        }
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
4

1 回答 1

2

您可能正在尝试获取包含大于 0x10000 的字符的字符串。该错误是已知的，并且正在解决中……一旦修复完成，我会通知您。这个问题可能与这个问题相同......将 补充 Unicode 字符映射到 BMP（如果可能）

于 2017-07-05T21:57:29.313 回答