Dom4j使用DOMReader解析XML文档中文乱码

今天由于项目需要，在网上搜索了关于XML解析的框架，发现Dom4j使用的比较多、性能好。于是就尝试着去学习一下，但是在学习使用dom4j解析XML文档时，如果XML文档中没有中文，则解析正常。存在中文则会出现中文乱码，下面是解决思路，贴出来供大家参考。

XML文件内容如下（books.xml）：

<?xml version="1.0" encoding="GB2312"?>
<books>
	<!-- java圣经 -->
	<book isbn="9787111213826">
		<name>《Java编程思想(第4版)》</name>
		<desc>
			<![CDATA[Java 《Java编程思想(第4版)》书共22章，包括操作符、控制执行流程、访问权限控制]]>
		</desc>
	</book>

	<!-- Core Java Volume I-Fundamentals(Ninth Edition) 分为上下两卷 -->
	<book isbn="9787111445142">
		<name>Java核心技术</name>
		<desc>
			<![CDATA[Java领域最有影响力和价值的著作之一，与《Java编程思想》齐名，10余年全球畅销不衰，广受好评；]]>
		</desc>
	</book>

</books>

可以看出XML文档的编码为UTF-8，并且使用eclipse创建的工程也是UTF-8。

公共广告位-后端

Java文件如下：

package com.bug315.parse;

import java.io.File;
import java.util.List;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.dom4j.Element;
import org.dom4j.io.DOMReader;

/**
 * 使用DOMReader创建Document对象
 * 
 * @author administrator
 * @date 2015年12月17日21:25:48
 */
public class ParseElementTest02 {
	
	public static void main(String[] args) throws Exception {
		// 使用java自带的W3C DOM形式创建Document对象
		DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
		DocumentBuilder db = dbf.newDocumentBuilder();
		org.w3c.dom.Document document = db.parse(new File("document/books.xml"));
		
		// 使用Dom4j的DOMReader的read方法根据org.w3c.dom.Document创建Document
		DOMReader reader = new DOMReader();
		org.dom4j.Document dom = reader.read(document);
		
		Element root = dom.getRootElement();
		System.out.println( root.getName() );
		
		List eleList = root.elements("book");
		for ( Object obj : eleList ) {
			Element temp = (Element)obj;
			System.out.print( temp.getName() );
			System.out.println( " isbn = " + temp.attributeValue("isbn") );
			
			Element name = temp.element("name");
			System.out.println( name.getName() + " " + name.getText() );
			
			Element desc = temp.element("desc");
			System.out.println( desc.getName() + " " + desc.getName() );
			
			System.out.println();
		}
	}
}

细心的读者可能会发现，我们直接使用的File方式来读取XML文件，

org.w3c.dom.Document document = db.parse(new File("document/books.xml"));

这样会存在一个问题，我们不能明确指定使用何种编码来读取XML文件，因此我们需要寻找一种能够指定编码的读取的方式来加载XML文档，如下：

new InputSource(
    new BufferedReader(
        new InputStreamReader(
            new FileInputStream("document/books.xml"), "UTF-8") ) )；

这里使用InputStreamReader指定使用UTF-8的方式来读取XML文档，然后再将InputStreamReader传给BufferedReader类，紧接着使用BufferedReader来创建一个InputSource对象，使用该对象来创建Document对象。完整如下：

// 使用java自带的W3C DOM形式创建Document对象
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
org.w3c.dom.Document document = db.parse(
    new InputSource(new BufferedReader(
        new InputStreamReader(new FileInputStream("document/books.xml"), "UTF-8"))) );

到这里再次运行，中文乱码就解决了。

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。