Invalid byte 1 of 1-byte UTF-8 sequence

昨天在用SAX解析XML文档的时候，在XML文件中如果有中文的话就会抛出“invalid byte 1 of 1-byte UTF-8 sequence”异常，调试是总是找不到问题所在，于是求救于网络，终于找到问题所在，成功解决了问题，在此谢谢强大的网络资源。

   XML内容实际是以UTF-8编码的，因此造成了包括中文字符的XML文件无法正常阅读，将编码格式改成“GB2312”后就可以正常解析了。<?xml   version="1.0"   encoding="GB2312"?>



自己的总结：
1、“org.dom4j.DocumentException: Invalid byte 1 of 1-byte UTF-8 sequence.”异常分析和解决：
分析：
该异常由下面的reader.read(file);语句抛出：
SAXReader reader = new SAXReader();
Document doc = reader.read(file);

产生这个异常的原因是：
所读的xml文件实际是GBK或者其他编码的，而xml内容中却用<?xml version="1.0" encoding="utf-8"?>指定编码为utf-8，所以就报异常了！

注释：参考网上的《Java/J2EE中文问题终极解决之道》一文，编码问题原因应该是：操作系统编码为GBK，而xml指定为utf-8，SAXReader使用系统的默认编码GBK，所以存在需要转换编码的问题，也就自然会出现乱码了！解决：让文件编码和java 操作该文件的接口的编码一致；

解决：
情况一：该xml文件由dom4j生成；

解决方法：用 org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
                    new FileOutputStream(fileName));
代替
xmlWriter = new XMLWriter(new FileWriter(fileName));
，指定编码为utf-8生成xml文件；

详细参考资料1：
Dom4j 编码问题彻底解决 作者：lonsen
http://www.5inet.net/Develop/Java/036579,Dom4j_BianMaWenDiCheDeJieJue.aspx

情况二:解析从jsp页面中读取到的用户输入的xml描述内容时，reader.read()抛出异常；

解决方法：
调用read前先把xml内容转为utf-8编码：（使用支持编码格式的函数）

public void validate(FacesContext context, UIComponent component, Object obj)
     throws ValidatorException {
 
            String xmldescription = (String) obj;
     byte[] bytes =xmldescription.getBytes();
            RelationXmlParser.isXmlOK("E:\\jiangcm\\templateXMLSchema.xsd",bytes); 
     ……
    }

public static boolean isXmlOK(String xsdFile, byte[] tagetXml) throws SAXException,                  IOException, DocumentException
{
   SAXReader reader = new SAXReader();
                ……
   InputStream in = new ByteArrayInputStream(tagetXml);
   InputStreamReader utf8In=new InputStreamReader(in,"utf-8");
                ……
        }



自己的解决：String.getBytes("utf-8")

返回utf-8的字节就可以了

评论

1 楼 geyaandy 2013-08-22