“处理问题”；具体的；文本中的字符（在Java中，使用XML解析器）

我在Java中使用DOM API处理文本中的“特定”字符时遇到问题。这些文件是XML格式的。在上一篇文章中，我被告知XML中的符号（&）是什么情况（还有一些字符，如<和>）。以下是帖子：

但是，我可以如何处理数据中的其他特殊字符，例如德语和法语中的特定字母？例如，我在XML文档的文本元素中有“façade”一词。然而，字母“ç”的位置看起来已经损坏：当我在linux中用vim编辑器打开文件时，它看起来像“fa^Zade”，当我用另一个编辑器以.txt或.xml文件的形式打开它时，“ç”的位置看起来像一个小的空矩形（或一个空白）。德语的元音符号和其他语言的“特殊”符号也是如此。当我试图用XML解析器处理文件时，它们会产生问题（我会遇到解析错误）。我想这是一些编码问题。在XML文件的头中，我使用encoding=“UTF-8”。我曾尝试将其更改（即更改为“Unicode”或其他），但没有任何帮助

我怎样才能使这些特殊字符被识别？我应该使用一些特殊的编码吗？ 如果它们只是两三个字符（我知道这一点），我就可以在用Java处理DOM API之前替换它们，就像我用符号和（&）所做的那样（我已经转换为&；

&；

），但是，它们很多，而且可能是任何“特殊”符号。 问题是否来自数据的保存方式？例如，在保存过程中，应使用特殊编码（？），以便现在可以识别字符（？）。（我自己没有保存数据）。
多谢各位

如果它们只是两个或三个字符（我知道这是肯定的），我可以在使用Java中的DOM API进行处理之前替换它们，就像我使用符号和（&）所做的那样（我已经转换为&），但是，它们很多，可能是任何“特殊”符号

---

您不需要预测所有可能的输入。相反，只需将每个这样的实体转换为NCR或数字字符引用。例如

€是欧元符号的NCR€；这意味着
20AC
是欧元符号的十六进制Unicode参考。
这在XML上似乎不是问题，而是编码问题。XML可以处理UTF-8和拉丁语-1。但是，您需要知道输入编码，或者不使用读取器，而是使用具有使用正确编码属性的XML声明的输入流

您确定源没有损坏吗？它是哪种编码？第一行中声明的XML编码属性正确吗^Z看起来不像UTF-8编码
 encoding=“UTF-8”似乎是正确的选择，那么您不应该以不同的方式对待这些字符。您说过“在XML文件的头中，我正在使用encoding=“UTF-8”，但您是否也将字符数据作为UTF-8写入

在vim中，您可以使用“ga”来显示光标下字符的代码，这应该有助于调试。
谢谢，我可以这样做，因为我知道这些符号是什么：例如，如果我发现在这个地方使用了德语或法语字母，或欧元符号。然而，我正在处理的文本是由不同的人（来自不同的国家）写的，即使他们是用英语写的，他们也经常包括他们语言中的一些单词。或者简单地说是一些国际单词，由这些非英语字符组成。从这个意义上说，我可以期待一切，我想看看是否有办法大体上识别这些字符。嗯，我想你可能误解了我，因为我认为这种方法和你描述的一样。把你的输入看作是一个字符流。你所要做的就是检查每个字符，确定它是否“特殊”。例如，一种方法是简单地将十六进制值大于0xFF的每个Unicode字符视为特殊字符，并将其编码为NCR。