Java DOM解析Xml中文乱码问题

xml文件中已经指定utf-8编码方式，里面可包含多条数据记录（我在这里称之为数据单元），采用的是字符流BufferedReader作为InputSource的输入源。

其中参数String dataUnitTag表示数据单元的标签,String []commArr表示所有数据单元所需要的公共属性，String [] detailArr表示每个数据单元所需要的具体属性名称

解析方法如下：

public static List parse(BufferedReader br, String dataUnitTag,
String[] commArr, String[] detailArr) throws Exception {
LinkedList list = new LinkedList();
String[] line = null;
try {
InputSource is = new InputSource(br);
DocumentBuilderFactory domfac = DocumentBuilderFactory
.newInstance();
DocumentBuilder dombuilder = domfac.newDocumentBuilder();
;
Document document = dombuilder.parse(is);
document.normalize();
HashMap commMap = new HashMap();
int commLength = commArr.length;
int detailLength = detailArr.length;
// 获取共有属性
for (int i = 0; i < commLength; i++) {
line = commArr[i].split(":");
NodeList nodelist = document.getElementsByTagName_r(line[0]);
if (line.length > 1) {
String[] attrArr = line[1].split(",");
if (attrArr == null) {
continue;
}
for (int k = 0; k < attrArr.length; k++) {
String attrValue = ((Element) nodelist.item(0))
.getAttribute(attrArr[k]);
commMap.put(attrArr[k], attrValue);
}
} else {
String ss = nodelist.item(0).getFirstChild().getNodeValue();
commMap.put(commArr[i], ss);
}
}
// 获取每个数据单元的具体信息
NodeList recordslist = document.getElementsByTagName_r(dataUnitTag);
Eelement element = null;
for (int i = 0; i < recordslist.getLength(); i++) {
HashMap detailMap = (HashMap) commMap.clone();
element = (Element) recordslist.item(i);
for (int j = 0; j < detailLength; j++) {
line = detailArr[j].split(":");
NodeList nodelist = element.getElementsByTagName_r(line[0]);
if (line.length > 1) {
String[] attrArr = line[1].split(",");
if (attrArr == null) {
continue;
}
for (int k = 0; k < attrArr.length; k++) {
String attrValue = ((Element) nodelist.item(0))
.getAttribute(attrArr[k]);
detailMap.put(attrArr[k], attrValue);
}
} else {
String ss = nodelist.item(0).getFirstChild()
.getNodeValue();
detailMap.put(detailArr[j], ss);
}
}

list.add(detailMap);
}

} catch (Exception e) {
throw new Exception("获取" + line[0] + "节点信息出错，请核查属性名称大小写是否正确！");
}
return list;
}

由于之前获取的xml文件没有涉及到中文，所以在获取文件内容时，直接从

BufferedReader br= new BufferedReader( new InputStreamReader(new FileInputStream(file)));

于是我照样采用了这样的方法，结果这样形成的字符流对于xml文件中的中文产生了乱码问题。

刚开始的时候，我把问题定位在InputSource is = new InputSource(br);因为InputSource有一个

setEncoding(String encoding)方法。但我试了好多种编码方式多不行，于是我去查了下api，结果发现有这么一段话：

SAX 解析器将使用 InputSource 对象来确定如何读取
XML 输入。如果有字符流可用，则解析器将直接读取该流，而忽略该流中找到的任何文本编码声明。如果没有字符流，但却有字节流，则解析器将使用该字节流，从而使用在 InputSource 中指定的编码，或者另外（如果未指定编码）通过使用某种诸如 XML 规范 中的算法算法自动探测字符编码。如果既没有字符流，又没有字节流可用，则解析器将尝试打开到由系统标识符标识的资源的
URI 连接。

由上面一段话可以看出，setEncoding(String encoding)对于字符流是不起作用的，但我又非常喜欢用字符流，一个就是大家都明白字符流效率高，另一个就是我用的多，跟字节流相比，我跟它更熟悉，哈哈哈。

于是我考虑：是不是在把读取的文件内容从字节流转化成字符流的时候，进行编码指定呢? 因为我们知道JDK的确提供了这样的方法,如BufferedReader
br= new BufferedReader(new InputStreamReader(new FileInputStream(file),"utf-8"));

重新编译后运行，OK，正确显示出中文来了。

总结，在把字节流转化成字符流（FileInputStream变成InputStreamReader）的过程中对于TXT文本貌似是没有影响的，因为我在处理文本文件时，从来没有指定过编码方式，但utf-8下的xml文件需要指定编码方式避免中文乱码；另外，InputSource 对于字节流和字符流的不同处理方式。

版权申明：该文章由于本人开发遇见，一直未解，最后借于该文，十分感谢作者的无私奉献。转载该文只为了以后更加方便忘记了处理的细节。

原文地址：http://blog.sina.com.cn/s/blog_0459c1cb0100o7md.html