Java SAXParseException问题（如何从xml文件中删除任何BOM表字符）

我在一个xml文件中有一些数据，我正在使用流程库解析该文件。我遇到了，这导致抛出了一些错误。我在其他地方找到了一个非常慢的工作：在跳过表示BOM数据的字节后，我使用ApacheCommons BOMInputStream将文件读取为一组字节

我认为我的问题的根源实际上是我缺乏关于流、读者和作者的知识。有那么多不同的读者和作者，还有各种各样的“流”（我几乎不懂这个词），我真想弄清楚该用哪一个，怎么用。我想我只是选择了错误的实现

问题： 有人能告诉我为什么我的代码这么慢，并帮助我提高对文件i/o的理解吗

代码：

private static XML noBOM(String filename, PApplet p) throws FileNotFoundException, IOException{

    ByteArrayOutputStream out = new ByteArrayOutputStream();
    File f = new File(filename);
    InputStream stream = new FileInputStream(f);
    BOMInputStream bomIn = new BOMInputStream(stream);

    int tmp = -1;
    while ((tmp = bomIn.read()) != -1){
        out.write(tmp);
    }

    String strXml = out.toString();
    return p.parseXML(strXml);
}

public static Map<String, Float> lifeExpectancyFromXML(String filename, PApplet p, 
        int year) throws FileNotFoundException, IOException{


    Map<String, Float> dataMap = new HashMap<>();

    XML xml = noBOM(filename, p);

    if(xml != null){

        XML[] records = xml.getChild("data").getChildren("record");

        for (XML record : records){
            XML[] fields = record.getChildren("field");

            String country = fields[0].getContent();
            int entryYear = fields[2].getIntContent();
            float lifeEx = fields[3].getFloatContent();

            if (entryYear == year){
                System.out.println("Country: " + country);
                System.out.println("Life Expectency: " + lifeEx);
                dataMap.put(country, lifeEx);
            }
        }
    } 
    else {
        System.out.println("String could not be parsed.");
    }

    return dataMap;
} 

private static XML noBOM（字符串文件名，PApplet p）抛出FileNotFoundException，IOException{
ByteArrayOutputStream out=新建ByteArrayOutputStream（）；
文件f=新文件（文件名）；
InputStream=新文件InputStream（f）；
BOMInputStream bomIn=新的BOMInputStream（流）；
int tmp=-1；
而（（tmp=bomIn.read（））！=-1）{
out.write（tmp）；
}
字符串strXml=out.toString（）；
返回p.parseXML（strXml）；
}
公共静态映射lifeExpectancyFromXML（字符串文件名，PApplet p，
int year）抛出FileNotFoundException、IOException{
Map dataMap=newhashmap（）；
XML=noBOM（文件名，p）；
if（xml！=null）{
XML[]records=XML.getChild（“数据”）.getchilds（“记录”）；
for（XML记录：记录）{
XML[]fields=record.getChildren（“字段”）；
字符串country=字段[0]。getContent（）；
int entryYear=字段[2]。getIntContent（）；
float-lifeEx=字段[3]。getFloatContent（）；
如果（入口年份==年份）{
System.out.println（“国家：+国家”）；
System.out.println（“预期寿命：+lifeEx”）；
dataMap.put（国家/地区，lifeEx）；
}
}
} 
否则{
System.out.println（“无法解析字符串”）；
}
返回数据图；
} 
问题可能是，InputStream是逐字节读取的。尝试使用缓冲区使其更具性能：

try (BOMInputStream bis = new BOMInputStream(new FileInputStream(new File(filename)))) {
    byte[] buffer = new byte[1000];
    while (bis.read(buffer) != -1) {
        out.write(buffer);
    }
}

更新：

生成的ByteArrayOutputStream最后可能包含一些空字节。要删除它们，请修剪生成的字符串：

out.toString("UTF-8").trim()

我的解决方案是使用BufferedReader，而不是创建自己的缓冲区。它使一切都变得相当迅速：

private static XML noBOM(String path, PApplet p) throws 
            FileNotFoundException, UnsupportedEncodingException, IOException{

        //set default encoding
        String defaultEncoding = "UTF-8";

        //create BOMInputStream to get rid of any Byte Order Mark
        BOMInputStream bomIn = new BOMInputStream(new FileInputStream(path));

        //If BOM is present, determine encoding. If not, use UTF-8
        ByteOrderMark bom = bomIn.getBOM();
        String charSet = bom == null ? defaultEncoding : bom.getCharsetName();

        //get buffered reader for speed
        InputStreamReader reader = new InputStreamReader(bomIn, charSet);
        BufferedReader breader = new BufferedReader(reader);

        //Build string to parse into XML using Processing's PApplet.parsXML
        StringBuilder buildXML = new StringBuilder();
        int c;
        while((c = breader.read()) != -1){
            buildXML.append((char) c);
        }
        reader.close();
        return p.parseXML(buildXML.toString());
    }

此方法似乎会留下一些被视为非法的尾随数据。我现在得到了错误
org.xml.sax.SAXParseException；尾随部分不允许包含内容。
。更新了答案，并提供了删除尾随字符的示例。恐怕即使在更新之后，错误仍然存在。另外，您是否介意解释一下缓冲区到底在做什么？当使用缓冲区时，数据是按块从InputStream读取并写入OutputStream的，每个块的缓冲区大小。它应该提高读/写性能。您是否有一个在所有处理之后检索的结果字符串（写入日志或从调试数据）的示例？它是否有前导或尾随空格或其他字符？