|
该方法花费 90% 的时间，有可能会更多一点。但是，SAX 解析器不需要支持 Locator 接口，更不用说 Locator2 以及其他的接口。如果知道正在使用的是 Xerces，第二种方法是使用 XNI。
Xerces Native Interface
使用 XNI 的方法与 SAX 是非常相似的（实际上，在 Xerces 中，SAX 解析器是本机 XNI 解析器之上很薄的一层）。总之，这种方法更容易一些，因为编码作为参数直接传递给 startDocument()。您只需要读取它，如清单 2 所示。
清单 2. 使用 XNI 确定文档的编码
import java.io.IOException;
import org.apache.xerces.parsers.*;
import org.apache.xerces.xni.*;
import org.apache.xerces.xni.parser.*;
public class XNIEncodingDetector extends XMLDocumentParser {
public static void main(String[] args) throws XNIException, IOException {
XNIEncodingDetector parser = new XNIEncodingDetector();
for (int i = 0; i < args.length; i++) {
try {
XMLInputSource document = new XMLInputSource("", args[i], "");
parser.parse(document);
}
catch (XNIException ex) {
System.out.println(parser.encoding);
}
}
}
private String encoding = "unknown";
@Override
public void startDocument(XMLLocator locator, String encoding,
NamespaceContext context, Augmentations augs)
throws XNIException {
this.encoding = encoding;
throw new XNIException("Early termination");
}
}
请注意，因为一些未知的原因，该技术只使用 org.apache.xerces 中实际的 Xerces 类，而不使用与 Sun 的 JDK 6 绑定的 com.sun.org.apache.xerces.internal 中重新打包的 Xerces 类。
XNI 提供了另外一个 SAX 不具有的功能。在少数情况下，在 XML 声明中声明的编码不是实际的编码。SAX 只报告实际编码，但是，XNI 也可以告诉您在 xmlDecl() 方法中声明的编码，如清单 3 所示。
清单 3. 使用 XNI 确定文档的声明的编码和实际的编码
import java.io.IOException;
import org.apache.xerces.parsers.*;
import org.apache.xerces.xni.*;
import org.apache.xerces.xni.parser.*;
public class AdvancedXNIEncodingDetector extends XMLDocumentParser {
public static void main(String[] args) throws XNIException, IOException {
AdvancedXNIEncodingDetector parser = new AdvancedXNIEncodingDetector();
for (int i = 0; i < args.length; i++) {
try {
XMLInputSource document = new XMLInputSource("", args[i], "");
parser.parse(document);
}
catch (XNIException ex) {
System.out.println("Actual: " + parser.actualEncoding);
System.out.println("Declared: " + parser.declaredEncoding);
}
}
}
private String actualEncoding = "unknown";
private String declaredEncoding = "none";
@Override
public void startDocument(XMLLocator locator, String encoding,
NamespaceContext namespaceContext, Augmentations augs)
throws XNIException {
this.actualEncoding = encoding;
this.declaredEncoding = "none"; // reset
}
@Override
// this method is not called if there's no XML declaration
public void xmlDecl(String version, String encoding,
String standalone, Augmentations augs) throws XNIException {
this.declaredEncoding = encoding;
}
@Override
public void startElement(QName element, XMLAttributes attributes,
Augmentations augs) throws XNIException {
throw new XNIException("Early termination");
}
}
通常情况下，如果声明的编码和实际的编码不同，就表明服务器存在一个 bug。最常见的原因是由于 HTTP Content-type 报头指定的编码与在 XML 声明中声明的编码不同。在本例中，要严格遵守规范，要求优先考虑 HTTP 报头的值。但实际上，很可能 XML 声明中的值是正确的。
结束语
通常情况下，您不需要了解输入文档的编码。只需要用解析器处理输入文档，以 UTF-8 编码输出结果即可。但是，有些情况下需要知道输入编码，SAX 和 XNI 可以提供快速而有效的方法来解决这一问题。
|
