UTF-16LE编码和xerces2 Java

我读了一些帖子，比如，答案说输入源实际上是一个字符流，而不是字节流

然而，建议的解决方案似乎不适用于UTF-16LE。尽管我使用此代码：

try（最终输入流为=Files.newInputStream（filename.toPath（），StandardOpenOption.READ））{
DOMParser parser=new org.apache.xerces.parsers.DOMParser（）；
parser.parse（新的InputSource（is））；
返回parser.getDocument（）；
}捕获（最终SAXParseException saxEx）{
debug（“无法将[{}}]作为InputSource打开。”，absolutePath，saxEx）；
}

我仍然得到

org.xml.sax.SAXParseException:prolog中不允许包含内容。

我查看了Files.newInputStream，它确实使用了

ChannelInputStream

，它将传递字节，而不是字符。我还尝试设置InputSource对象的编码，但没有成功。

---

我还检查了

之前没有额外的字符（除了BOM），以便进一步收集一些信息：

byte[] bytes = Files.readAllBytes(filename.toPath);
String xml = new String(bytes, StandardCharsets.UTF_16LE);
if (xml.startsWith("\uFEFF")) {
    LOG.info("Has BOM and is evidently UTF_16LE");
    xml = xml.substring(1);
}
if (!xml.contains("<?xml")) {
    LOG.info("Has no XML declaration");
}
String declaredEncoding = xml.replaceFirst("<?xml[^>]*encoding=[\"']([^\"']+)[\"']", "$1");
if (declaredEncoding == xml) {
    declaredEncoding = "UTF-8";
}
LOG.info("Declared as " + declaredEncoding);

try (final InputStream is = new ByteArrayInputStream(xml.getBytes(declaredEncoding))) {
  DOMParser parser = new org.apache.xerces.parsers.DOMParser();
  parser.parse(new InputSource(is));
  return parser.getDocument();
} catch (final SAXParseException saxEx) {
  LOG.debug("Unable to open [{}}] as InputSource.", absolutePath, saxEx);
}

byte[]bytes=Files.readAllBytes（filename.toPath）；
字符串xml=新字符串（字节，StandardCharsets.utf16le）；
if（xml.startsWith（“\uFEFF”））{
LOG.info（“有BOM，显然是UTF_16LE”）；
xml=xml.substring（1）；
}
如果（！xml.contains（“如果在开始时删除BOM（跳过前两个字节）会怎么样？”
…{is.read（）：is.read（）；
，那么如果没有BOM或ISO-8859-1，我将无法读取UTF-8（编码在
中给出或默认为UTF-8。我听说在极少数情况下BOM会出现这样的问题。但我不记得具体细节。我甚至不能做到这一点。我想读取您所指的标记和属性。但看到我的第二次编辑，它会在此之前停止。我仔细检查了。文件以BOM 0xFF 0xFE开头。也许我需要要将其包装成BOMRemovingInputStream…我用
xxd
查看了文件，我知道它的开头是\uFFFE。字节FF-FE在UTF-16LE中实际上是字符
\uFEFF
又称BOM（有点奇怪的Unicode数字）嘿，顺便提一下。由于UTF-8字节的BOM是
EF BB BF
，这在某种程度上解释了您的编辑-2:0xbfef。IntelliJ和
文件都显示这是一个UTF-16LE文件。UTF16LE以
\uFFFE
开头
\uFFFE
并不奇怪，根据维基百科的说法，它是“无字符”“字符。第二次编辑无意中使用了UTF-8解释，当我再次将UTF16LE放回时没有任何变化：（（深呼吸）…MAVEN资源筛选。我一直在查看源代码，但在查看目标时，您可以在o/t文件的开头看到一些额外的字节。非常抱歉看到这样的情况：(