java – 如何解析包含BOM的XML文件？

我想使用JDOM从URL解析 XML文件.但是在尝试这个时：

SAXBuilder builder = new SAXBuilder();
builder.build(aUrl);

我得到这个例外：

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

我认为这可能是BOM问题.所以我查看了源代码并在文件开头看到了BOM.我尝试使用aUrl.openStream()从URL读取并使用Commons IO BOMInputStream删除BOM.但令我惊讶的是它没有检测到任何BOM.
我尝试从流中读取并写入本地文件并解析本地文件.我将InputStreamReader和OutputStreamWriter的所有编码设置为UTF8但是当我打开文件时它有疯狂的字符.

我认为问题在于源URL编码.但是当我在浏览器中打开URL并将XML保存在文件中并通过上述过程读取该文件时,一切正常.

我对这个问题的可能原因表示感谢.

解决方法

该HTTP服务器正在以GZIP形式发送内容(content-encoding：gzip;如果您不知道这意味着什么,请参阅 http://en.wikipedia.org/wiki/HTTP_compression),因此您需要将aUrl.openStream()包装在GZIPInputStream中,它将为您解压缩它.例如：

builder.build(new GZIPInputStream(aUrl.openStream()));

根据后续评论编辑添加：如果您事先不知道URL是否为GZIPped,您可以这样写：

private InputStream openStream(final URL url) throws IOException
{
    final URLConnection cxn = url.openConnection();
    final String contentEncoding = cxn.getContentEncoding();
    if(contentEncoding == null)
        return cxn.getInputStream();
    else if(contentEncoding.equalsIgnoreCase("gzip")
               || contentEncoding.equalsIgnoreCase("x-gzip"))
        return new GZIPInputStream(cxn.getInputStream());
    else
        throw new IOException("Unexpected content-encoding: " + contentEncoding);
}

(警告：未经测试)然后使用：

builder.build(openStream(aUrl.openStream()));

.这基本上等同于上面的内容 – aUrl.openStream()被明确记录为aUrl.openConnection().getInputStream()的简写 – 除了它在决定是否在GZIPInputStream中包装流之前检查content-encoding头. .

见the documentation for java.net.URLConnection.