1

私たちのsaxparserは、ファイルの先頭に表示されるバイト順マークを無視しません。

saxパーサーにバイト順マークを無視させるにはどうすればよいですか？

4

2 に答える 2

3

16進エディタでファイルを確認してください。

最初のバイトの後に実際\xEF\xBB\xBFにドキュメント自体が続く場合、それはUTF-8の偽のBOMです。UTF-8 faux-BOMは不正であり、それらを生成するツールは特別なプログラミング酸で破棄する必要がありますが、XML仕様では、パーサーがこのバイトシーケンスを認識して無視する必要があるため、SAXパーサーが準拠していない場合は準拠していません。キックが必要です。

あなたに与えている最初のバイトが実際に次のようなものである場合：

\xC3\xAF\xC2\xBB\xC2\xBF 
\xEF\xBB\xBF\xC3\xAF\xC2\xBB\xC2\xBF 
\xEF\x00\xBB\x00\xBF\x00
\xFF\xFE\xEF\x00\xBB\x00\xBF\x00

次に、偶発的なダブルエンコーディングが発生します。この場合、ファイルが整形式ではなく、SAXパーサーが正しく文句を言い、ファイル内の他のUnicode文字も混乱している可能性があるため、ファイルを生成するプログラムを確認する必要があります。おそらくそれは、ドキュメントをバイト文字列にシリアル化してから、偽のデコード/エンコードサイクルを介して送信するような愚かなことをしています。

いずれにせよ、パーサーに厄介なバイトシーケンスをスキップさせる必要がある場合は、このプレフィックスを削除するために手動でハッキングしたバージョンをパーサーにフィードする必要があります。SAXパーサーが何であるか（またはどの言語でさえ）を知らなければ、これを行う方法を言うのは困難です。

たぶん、パーサーに渡す前に入力ストリームを探すことができますか？たぶん、ファイルをバイト文字列に読み込んで、最初のバイトを切り取ったものをパーサーに渡すことができますか？パーサーがこれらのオプションを提供しない場合は、ファイルをバイト単位でロードし、先頭をクリップして、新しいファイルに再度保存する必要があります。

于 2010-04-16T11:51:21.300 に答える
1

utf-16を予期しないsaxparserにutf-16入力を与えているようです。データをutf-8に変換してみてください。役立つ場合があります。

于 2010-04-16T11:33:54.720 に答える