Java 如何让SAX解析器根据xml声明确定编码？

我试图解析来自不同来源的xml文件（对此我几乎没有控制权）。它们中的大多数是用UTF-8编码的，使用以下代码段不会引起任何问题：

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
FeedHandler handler = new FeedHandler();
InputSource is = new InputSource(getInputStream());
parser.parse(is, handler);

因为SAX默认为UTF-8，所以这很好。然而，一些文件声明：

<?xml version="1.0" encoding="ISO-8859-1"?>

SAX将使用正确的编码

如何让SAX自动检测xml声明中的正确编码，而无需专门设置它？我需要这个，因为我手头不知道文件的编码是什么

提前感谢,，

---

艾伦

我自己找到了答案

SAX解析器在内部和从InputSource文档使用InputSource：

SAX解析器将使用 InputSource对象，以确定如何 读取XML输入。如果有 字符流可用，解析器 将直接读取该流， 忽略任何文本编码 在该流中找到声明。如果 没有字符流，但是 有一个字节流，解析器 将使用该字节流，使用 在InputSource中指定的编码 否则（如果未指定编码） 自动检测字符编码 使用类似于中的算法 XML规范。如果两者都不是 不支持字符流或字节流 如果可用，解析器将尝试 打开到资源的URI连接 由系统标识符标识

因此，基本上，您需要将字符流传递给解析器，以便它选择正确的编码。请参阅下面的解决方案：

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
FeedHandler handler = new FeedHandler();
Reader isr = new InputStreamReader(getInputStream());
InputSource is = new InputSource();
is.setCharacterStream(isr);
parser.parse(is, handler);

当希望Sax自动检测编码时，使用InputStream作为参数

如果要设置特定的编码，请使用具有指定编码或方法的读卡器

为什么?？因为需要原始数据，而不是转换为字符

---

本主题中的问题是：如何让SAX解析器根据xml声明确定编码？我发现Allan对这个问题的回答有误导性，根据Jörn Horstmann的评论和我后来的经验，我提供了另一个答案。

在不指定字符集的情况下构建InputStreamReader将使用您机器的默认字符集，可能是iso-8859-1。正如您所引用的，当使用characterstream时，xml中的编码decl将被忽略，因此此代码仅适用于iso-8859-1文档。您的原始代码实际上应该已经工作了，也许您可以将异常或您看到的问题添加到您的问题中。当使用字节流而不在InputSource上设置编码时，xml解析器应该自动检测编码，如中所述。基本上，如果我不使用“is.setCharacterStream（）”，我会得到一个无效的令牌异常。这可能对您有效，但Jörn是正确的。您引用的文档是相关且正确的。它告诉您InputStream的原始代码是正确的。错误就在文档本身中。如果您使用一种变通方法，如重写编码或以XML规范以外的其他方式自动检测编码，就像您使用InputStreamReader一样，您应该记录这一事实。是的：关键点是，只有当

InputSource

是从

InputStream

实例构造的时，SAX才会从

PI检测编码；如果从

读卡器

构建，它将不起作用（因为

读卡器

的要点是其输出是“后解码”）。也就是说：

newinputsource（getInputStream（））

是正确的。另外，是否有库使用上述算法只解析XML声明？我这样问是因为我不能直接使用Sax，但我想从XML中提取编码信息。这应该是公认的解决方案。InputStream没有编码信息，因此SAX通过尝试从XML文件读取编码属性来确定编码本身。这在使用XSLTTTransformer时也有效。是否有可能获得xml序言的属性“encoding”的确切内容？Xerces定位器不工作。

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
FeedHandler handler = new FeedHandler();
Reader isr = new InputStreamReader(getInputStream());
InputSource is = new InputSource();
is.setCharacterStream(isr);
parser.parse(is, handler);