ivan

2006-10-19

Java中对有BOM头的UTF-8文件的处理

在用记事本之类的程序将文本文件保存为UTF-8格式时，记事本会在文件头前面加上几个不可见的字符（EF BB BF），就是所谓的BOM（Byte Order Mark）。JDK1.5之前的Reader都不能处理BOM，解析这种格式的xml文件时，会抛出异常：Content is not allowed in prolog. 据说JDK1.6已经解决了这个bug。（参考http://www.uuzone.com/blog/mao/98921.htm ）
在未使用JDK1.6之前，解决办法有三：
1、不要使用有BOM头的xml文件，就是说不要用记事本保存utf-8的xml文件，editplus就很好用；
2、使用这位仁兄的unicodereader，可以正确处理有BOM的xml文件：
http://koti.mbnet.fi/akini/java/unicodereader/
3、如果是用Xerces解析器，直接传Stream给Xerces，而不是传Reader，Xerces就可以正确的处理了。总之不要用Reader就好了。