java - 用java解析阿拉伯文/中文/日文RSS提要

Question

我正在用 java 编写一个 rss feed 解析器，在解析包含阿拉伯文/中文/日文字符的 feed 时遇到了问题。 Example feed

当我打印它们时，我只是得到一组问号“?????? ?? ?????? ??”。

它们最终出现在我的数据库中(mysql，通过hibernate连接，将utf8设置为编码)也像这样。

这是负责从 feed 中获取标题的代码部分:

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();

Document doc = db.parse(url.openStream());
doc.getDocumentElement().normalize();

Node channelNode = doc.getElementsByTagName("channel").item(0);

NodeList channelList = channelNode.getChildNodes();

for (int i = 0; i < channelList.getLength(); i++) {
    Node element = channelList.item(i);

    String name = element.getNodeName();

    if (name.equalsIgnoreCase("title")) {
     rssName = element.getTextContent();
     break;
    }
}

如何将正确的字符存入数据库？当我从提要中复制它们并手动插入数据库时​​，就可以了。

谢谢

更新:
在我的 hibernate 配置中添加额外的行解决了这个问题:

<property name="hibernate.connection.useUnicode">true</property>  
<property name="hibernate.connection.characterEncoding">UTF-8</property>

Answer 1

您需要更改 Hibernate 配置中的 MySQL JDBC URL 以包含以下参数:

jdbc:mysql://hostname:3306/db_name?useUnicode=yes&characterEncoding=UTF-8

否则 MySQL JDBC 驱动程序将使用客户端平台默认编码。

您的数据库编码完全没问题，因为手动插入显然工作得很好。 XML 通常默认解析为 UTF-8，因此该部分也很好(除非在 XML 声明 header 中明确指定，但情况可能并非如此，因为这将是 RSS 提要服务器的错误)。