使用 XSLT 转换 XML 并保留 Unicode 字符

Question

我的 XSLT 转换已经成功了几个月，直到我遇到带有 Unicode 字符（很可能是表情符号）的 XML 文件。我需要保留 Unicode，但 XSLT 正在将其转换为 HTML 实体。我认为将编码设置为 UTF-8 可以解决我的问题，但我仍然遇到问题。

任何帮助表示赞赏。代码：

private byte[] transform(InputStream stream) throws Exception{
    System.setProperty("javax.xml.transform.TransformerFactory", "org.apache.xalan.processor.TransformerFactoryImpl"); 

    Transformer xmlTransformer;

    xmlTransformer = (TransformerImpl) TransformerFactory.newInstance().newTransformer(new   StreamSource(createXsltStylesheet()));
    xmlTransformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");

    XMLStreamReader reader = XMLInputFactory.newInstance().createXMLStreamReader(stream,"UTF-8");
    Source staxSource = new StAXSource(reader, true); 
    ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
    Writer writer = new OutputStreamWriter(outputStream, "UTF-8");
    xmlTransformer.transform(staxSource, new StreamResult(writer));


    return outputStream.toByteArray();
}

如果我添加

xmlTransformer.setOutputProperty(OutputKeys.METHOD, "text");

Unicode 被保留，但 XML 不被保留。

Answer 1

这行代码很可疑：

stream = IOUtils.toInputStream(outputStream.toString(),"UTF-8");

您正在ByteArrayOutputStream使用平台的默认编码（可能不是 UTF-8）将 a 转换为字符串。将其更改为

stream = IOUtils.toInputStream(outputStream.toString("UTF-8"),"UTF-8");

或者，为了获得更好的性能，只需将字节数组包装在ByteArrayInputStream：

return new ByteArrayInputStream(outputStream.toByteArray());