java - 转换 XML 不起作用 UTF-8 XMLOutputter Java

Question

我已经看到了有关同一问题的其他问题，但我仍然收到错误。 Hier 是我尝试修改 exosting xml 文件的一小部分代码。但它修改了文本中的一些字符。

import org.jdom2.Document;
import org.jdom2.JDOMException;
import org.jdom2.input.SAXBuilder;
import org.jdom2.output.Format;
import org.jdom2.output.XMLOutputter;
import java.io.FileOutputStream;
import java.io.IOException;

public class ModyfyXml {

public static void main(String[] args) throws JDOMException, IOException {

    try {

        SAXBuilder sax = new SAXBuilder();
        Document doc = sax.build("F:\\c\\test.xml");

        XMLOutputter xmlOutput = new XMLOutputter();
        Format format = Format.getPrettyFormat();
        format.setEncoding("UTF-8");
        xmlOutput.setFormat(format);
        xmlOutput.output(doc, (new FileOutputStream("F:\\c\\test2.xml")));

    }catch (IOException io) {
        io.printStackTrace();
    } catch (JDOMException e) {
        e.printStackTrace();
    }
}}

Hier 一个我尝试修改的小 xml 文件(在本例中只是复制)

<?xml version="1.0" encoding="utf-8"?><page>
 䕶法喇嘛所居此處𡸁仲無妻室亦降神附體
</page> 

程序启动后，我得到以下信息:

<?xml version="1.0" encoding="UTF-8"?>
<page>䕶法喇嘛所居此處&#x21e01;仲無妻室亦降神附體</page>

部分汉字无法正确转换

Answer 1

我从来没有注意到 JDOM 2 中的这个错误。

使用任何非 BMP 字符都会得到相同的结果。您可以尝试一下最近几年的表情符号热潮，看看您会得到相同的结果。

发生这种情况是因为自动为 UTF-whatever 编码设置了转义策略。它的做法是相当错误的。

如果您将该策略替换为不转义除 XML 保留字符之外的任何内容的策略，则该问题将得到解决:

format.setEscapeStrategy((c) -> false);