DOM4J utf-8编码Umlaute（Ä，ü，ß）错误

Question

我DOM4j用于解析和编写始终在UTF-8中的XML-Tree 。

我的XML文件包含德语特殊字符。解析它们不是问题，但是当我将树写入文件时，特殊字符将被转换为？字符。

我无法更改XML文件的编码，因为它仅限于UTF-8。

码

SAXReader xmlReader = new SAXReader();
xmlReader.setEncoding("UTF-8");

Document doc = xmlReader.read(file);
doc.setXMLEncoding("UTF-8");
Element root = doc.getRootElement();

// manipulate doc

OutputFormat format = new OutputFormat();

format.setEncoding("UTF-8");

XMLWriter writer = new XMLWriter(new FileWriter(file), format);

writer.write(doc);
writer.close();

预期产量

... 
<statementText>This is a test!Ä Ü ß</statementText>
...

实际产量

...
<statementText>This is a test!? ? ?</statementText>
...

Answer 1

您正在将传递FileWriter给XMLWriter。一个Writer已经处理String或char[]数据，因此它已经处理了编码，这意味着XMLWriter不会影响它。

另外，这FileWriter是一个特别有问题的Writer类型，因为您永远无法指定应使用哪种编码，而是始终使用平台默认编码（在Windows上通常类似于ISO-8859-1，在Linux上类似于UTF-8）。出于这个原因，基本上不应该使用它。

要让XMLWriter应用程序根据配置提供给它，请将其传递给OutputStream来代替（它处理byte[]）。在此使用的最明显的方法是FileOutputStream：

XMLWriter writer = new XMLWriter(new FileOutputStream(file), format);

JavaDocXMLWriter甚至针对以下内容进行了记录：

警告：使用您自己的Writer可能会导致忽略编写者的首选字符编码。如果您使用的编码不是UTF8，建议使用采用OutputStream的方法。

可以说警告有点误导，因为Writer即使您打算写入UTF-8数据，警告也会有问题。