使用Java将XML文档从Latin1转换为UTF8

我正在尝试创建一个XML文档（rss提要），并且已经解决了其中的所有问题，除了一个字符编码问题。问题是我使用的是UTF-8编码，就像这样

，除了文档本身没有编码为UTF-8之外

我正在使用org.apache.ecs.xml包创建所有标记。然后我使用

doc.output（stream

）来编写内容。这种方法似乎不使用UTF-8编写输出，我不知道如何实现这一点。在我这么做之前，一些符号（我第一次注意到的是英镑）在大多数读者中并没有得到正确的呈现

--更新了更多信息--

---

我最终使用了一个糟糕的解决方案（如评论中所解释的）来解决这个问题。正确答案似乎是不要使用org.apache.ecs.xml库。谢谢大家的帮助。StackOverflow再次获胜。

我不熟悉此软件包，但从网上的来源来看，我怀疑它可能已损坏：

包含像这样的内容

        for (int i=0; i<prolog.size(); i++) {
268             ConcreteElement e = (ConcreteElement)prolog.elementAt(i);
269             e.output(out);
270             // XXX really this should use line separator!
271 // XXX should also probably check for pretty print
272 // XXX also probably have difficulties with encoding

---

for（int i=0；i这是我编写的一个函数，用于将所有非ASCII字符转换为相应的实体。可能有助于在输出前清理某些PCDATA内容

/**
 * Creates xml entities for non ascii characters in the given String.
 */
public static String xmlEntitify(String in){

    StringBuffer b = new StringBuffer();

    for (int i=0;i<in.length();i++){

        Character c = in.charAt(i);
        if (c<128){
            b.append(c);
        }
        else if (c=='\ufeff'){
            // BOM character, just remove it
        }
        else {
            String cstr = Integer.toHexString(c).toUpperCase();
            while(cstr.length()<4){
                cstr="0"+cstr;
            }
            b.append("&#x");
            b.append(cstr);
            b.append(";");
        }
    }
    return b.toString();
}

因此，这些字符也将转换为相应的Unicode实体。
这会将我所有的PCDATA转换为unicode友好的ASCII字符串。自从使用此技术以来，我再也没有编码问题。我从未输出过未通过此方法传递的XML PCDATA：这并不是在掩盖事实。它只是通过尽可能通用的方式来解决问题。
Simpleest解决方案可能会更改您的代码，如下所示：

XMLDocument doc = new XMLDocument(1.0,false,Charset.defaultCharset().toString());

我猜他们只是在使用默认编码向流中写入字符。因此，将默认编码传递到序言中，您就可以了

我同意其他海报的说法，这可能是你最不担心的。看看for ECS，它似乎已经四年没有更新了（“ECS2”存储库也是如此）

还有一些自我提升：如果你想用一个简单的界面来构建XML文档，那么这个库有一个生成器。它使用标准的JDK序列化机制进行输出。
你可以向编写器而不是输出流进行写操作……这样你就可以指定编码。
我的同事提出了一个解决方案我认为这是正确的方法，但我知道什么。我们没有使用
doc.output（stream）

try {
            IOUtils.write(doc.toString(), stream, "UTF-8");
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
试一试{
写入（doc.toString（），流，“UTF-8”）；
}捕获（IOE异常）{
抛出新的运行时异常（e）；
}
老实说，我还没有完全理解这个问题，这就是为什么我首先遇到问题的原因。似乎@Subtenant的解决方案通过并转换了UTF-8无法表示的任何字符，并将其替换为unicode实体。这个解决方案似乎像我原来一样使用UTF-8编码写入流ly想要doc.output to。我不知道确切的区别，只是两者都解决了我的问题。如果有任何进一步的评论来帮助我理解这个问题，我将不胜感激。
请提供一个代码示例，说明如何使用
org.apache.ecs.xml
包，以及如何准备
doc
对象。哦，天哪……那英镑在哪里来自？GUI控制？命令行？内联代码？您的问题/格式很酷，不必担心，也很受欢迎！问题不在提供的信息和代码中。乍一看，一切都很好。问题最有可能出现在
OutputStream
参数中。它来自何处？在噢，也可能是feedItems本身已经包含了错误的字符。这些字符来自哪里？请调查/调试它。确保您的调试工具（IDE？）本身正在使用UTF-8！不幸的是，我确实看到了这一点，但我希望有某种解决方法。无论如何，感谢您的软件包建议。
Charset.defaultCharset（）
返回特定于平台的默认字符集，该字符集可能与XML文件编码不同和/或根本不是Unicode派生，例如
CP-1252
（哎哟）或者
ISO-8859-x
。你不想这样。你之前需要知道XML文件的实际编码。如果你仔细阅读这个问题，你会发现OP实际上在生成XML文件，而不是消费XML文件。如果你仔细阅读我的回答，你会发现我使用XML文件的理由序言中的
defaultEncoding（）
似乎是第三方库（雅加达ECS）使用它。这解决了错误的问题。他需要对输出流进行UTF-8编码，这与用字符实体替换非ascii数据非常不同。这些字符实体仍将指向拉丁1代码点，而不是必需的UTF-8代码点。正如Jim所写（和我的同事向我指出的）这只是为了掩盖问题。这成了我的临时解决方案，只是因为我需要一个快速解决方案，但当我有时间的时候，我会回去重写我的代码，因为它完全错了。哈哈，太棒了。我对迄今为止唯一能带来一些东西的答案投了反对票。我爱你们朋友。@Jim：我知道我没有以期望的方式回答这个问题是的。如果有人提出了更好的解决方案，我很乐意升级它并在我自己的代码中使用它。到目前为止，清理PCDATA一直是我的最佳方法，在所有情况下都有效。@UmYeah：当您只有ASCII字符时，您的文本是UTF-8编码的。您只是改变了扩展字符的引用方式。您允许客户有责任格式化这些字符。@Jim：“这些字符实体仍将指向拉丁1代码点，而不是必需的UTF-8代码poi
try {
            IOUtils.write(doc.toString(), stream, "UTF-8");
        } catch (IOException e) {
            throw new RuntimeException(e);
        }