java - MalformedByteSequenceException 1 字节 UTF-8 序列的无效字节 1

Question

我正在编写一个 XML 解析器类，当我运行它时，有时它工作正常但有时它不起作用并抛出此异常:

MalformedByteSequenceException Invalid byte 1 of 1-byte UTF-8 sequence

谁能提供一些信息说明原因？

这是我的代码:

package TRT;



import java.math.BigInteger;
import java.net.URL;
import java.net.URLConnection;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;

public class Gundem {


    public static void main(String[] args) {
        // TODO Auto-generated method stub

        Gundem gundem=new Gundem();
        try {
            URL url=new URL("http://www.trt.net.tr/rss/gundem.rss");
            URLConnection connection=url.openConnection();

            DocumentBuilderFactory builderFactory=DocumentBuilderFactory.newInstance();
            DocumentBuilder docBuilder=builderFactory.newDocumentBuilder();
            Document document=docBuilder.parse(connection.getInputStream());

            Element element=document.getDocumentElement();

            Node node=(Node)element.getChildNodes();
            System.out.println(node.getNodeName());


            NodeList nodeList=node.getChildNodes();
            Node channelNode=(Node)nodeList.item(0);
            System.out.println(channelNode.getNodeName());

            NodeList childNodeListOfChannelNode=channelNode.getChildNodes();

            for(int i=0;i<childNodeListOfChannelNode.getLength();i++){
                Node childNodesOfChannelNode=(Node)childNodeListOfChannelNode.item(i);
                System.out.println(childNodesOfChannelNode.getNodeName());

                if(childNodesOfChannelNode.getNodeName().equals(Constants.ITEM)){
                    Item item=new Item();
                    NodeList itemList=childNodesOfChannelNode.getChildNodes();
                    for(int j=0;j<itemList.getLength();j++){
                        Node childNodeOfItem=itemList.item(j);
                        if(childNodeOfItem.getNodeName().equals(Constants.TITLE)){
                            item.setTitle(childNodeOfItem.getTextContent());
                            System.out.println(item.getTitle());
                            System.out.println(gundem.dumpingInputAsHex(item.getTitle()));
                        }
                        else       if(childNodeOfItem.getNodeName().equals(Constants.DESCRIPTION)){
                            item.setDescription(childNodeOfItem.getTextContent());
                            System.out.println(item.getDescription());
                        }

                    }

                }

            }

        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }



        System.exit(0);  // this line is for solving that problem; JDWP Unable to get JNI 1.2 environment, jvm->GetEnv() return code = -2


        }

    public String dumpingInputAsHex(String input){
        return String.format("%40x",new BigInteger(1,input.getBytes()));
    }

}

Answer 1

最有可能的情况是，您正试图将使用其他字符集(例如 ISO-8859-1)编码的文档解析为 UTF-8。解析器遇到了一个 ISO-8859-1 字符，其值不允许在 UTF-8 中单独出现。

要解决此问题，您需要确定文档的实际 编码，然后根据 connection.getInputStream( )，指定正确的编码。然后从阅读器创建一个 InputSource 并将 that 传递给 docBuilder.parse()。

进一步研究:

我在 Eclipse (JDK 7) 中运行了您的代码，并且能够重现错误。然后，我在 Eclipse 中的两个 MalformedByteSequenceException 异常上设置异常断点，它没有失败。跟踪代码，我只能看到一次输入缓冲区中的无效字符。这向我表明 Xerces 解析器中某处存在竞争条件错误。

您可能需要向 Oracle 提交错误。