如何解析包含BOM的XML文件？

Question

我想使用JDOM从URL解析XML文件.但是在尝试这个时:

SAXBuilder builder = new SAXBuilder();
builder.build(aUrl);

我得到这个例外:

Invalid byte 1 of 1-byte UTF-8 sequence.

我认为这可能是BOM问题.所以我查看了源代码并在文件开头看到了BOM.我尝试使用aUrl.openStream()Commons IO BOMInputStream从URL读取和删除BOM .但令我惊讶的是它没有检测到任何BOM.我尝试从流中读取并写入本地文件并解析本地文件.我将InputStreamReader和OutputStreamWriter的所有编码设置为UTF8但是当我打开文件时它有疯狂的字符.

我认为问题在于源URL编码.但是当我在浏览器中打开URL并将XML保存在文件中并通过上述过程读取该文件时,一切正常.

我对此问题的可能原因表示感谢.

Answer 1

该 HTTP 服务器以 GZIPped 形式发送内容（如果您不知道这意味着什么，Content-Encoding: gzip请参阅http://en.wikipedia.org/wiki/HTTP_compressionaUrl.openStream() ），因此您需要包装一个GZIPInputStream将为您解压缩的内容。例如：

builder.build(new GZIPInputStream(aUrl.openStream()));

编辑添加，基于后续评论：如果您事先不知道URL是否会被GZIPped，您可以编写如下内容：

private InputStream openStream(final URL url) throws IOException
{
    final URLConnection cxn = url.openConnection();
    final String contentEncoding = cxn.getContentEncoding();
    if(contentEncoding == null)
        return cxn.getInputStream();
    else if(contentEncoding.equalsIgnoreCase("gzip")
               || contentEncoding.equalsIgnoreCase("x-gzip"))
        return new GZIPInputStream(cxn.getInputStream());
    else
        throw new IOException("Unexpected content-encoding: " + contentEncoding);
}

（警告：未经测试）然后使用：

builder.build(openStream(aUrl.openStream()));

。这基本上与上面的相同 -aUrl.openStream()被明确记录为简写aUrl.openConnection().getInputStream()- 除了它Content-Encoding在决定是否将流包装在GZIPInputStream.

请参阅的文档java.net.URLConnection。