java - 多字节字符 XML 实体

Question

我在将多字节字符编码为 XML 文档时遇到问题

import java.io.ByteArrayOutputStream;
import java.io.UnsupportedEncodingException;
import javax.xml.stream.XMLOutputFactory;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.XMLStreamWriter;

public class XmlWriter {
    static final XMLOutputFactory outputFactory = XMLOutputFactory.newFactory();
    static XMLStreamWriter streamWriter;

    public static String Write(String s) throws XMLStreamException, UnsupportedEncodingException {
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        streamWriter = outputFactory.createXMLStreamWriter(out, "utf-16");
        streamWriter.writeCharacters(s);
        streamWriter.flush();
        return new String(out.toByteArray());
    }
}


public class XmlWriterTest extends TestCase {

    public void testWrite() throws Exception {
        System.out.println("Write");
        String s = "\uD803\uDC22";
        String expResult = "𐰢";
        String result = XmlWriter.Write(s);
        assertEquals(expResult, result);

    }

我尝试了很多字符集等的扭曲，但没有成功；我不断得到 的输出

�&#xdc22

这是生成 Excel 工作簿 (*.xlsx) 的应用程序的一部分，并且由于这些字符而在 Excel 中打开文档时失败。

如何才能获得正确的 XML 实体？我希望这将由 XML 库处理(原始代码使用 Apache 的 StringEscapeUtils.escapeXml() )。

Answer 1

您正在使用的字符串构造函数(new String(byte[]))使用平台默认编码。尝试在备用 c-tor 中指定编码(new String(byte[], Charset) 或 new String(byte[], String)