JAXP Sax解析器Java-ME Midlet异常解析汉字

Question

我在解析嵌入XML文件的HTML编码的一些汉字时遇到了很大的困难。

我使用Java 和javax.xml.parsers.SAXParser

其中一个字符文件是词：

<test>&#35789;</test>

相关信息：http://www.isthisthingon.org/unicode/index.php?page=08&subpage=B&glyph=08BCD

但奇怪的是后

<test>&#21518;</test>

效果很好。

直接嵌入<test>词</test>也能工作。

我的测试中间版有以下源代码：

import java.io.InputStream;
import javax.microedition.midlet.MIDlet;
import javax.microedition.midlet.MIDletStateChangeException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.helpers.DefaultHandler;


public class jaxp extends MIDlet {

public jaxp() {
}

protected void destroyApp(boolean unconditional)
throws MIDletStateChangeException {
}

protected void pauseApp() {
}

protected void startApp() throws MIDletStateChangeException {
    try {
        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser saxParser = factory.newSAXParser();
        DefaultHandler handler = new DefaultHandler() {};
        String fileName = "test.xml";
        InputStream is = jaxp.class.getResourceAsStream("/" + fileName);
        saxParser.parse(is, handler);
    } catch (Exception e) {
        e.printStackTrace();
    }

}
}

它要死了：

org.xml.sax.SAXParseException: 
at org.xml.sax.helpers.DefaultHandler.fatalError(+1)
at com.sun.ukit.jaxp.Parser.panic(+18)
at com.sun.ukit.jaxp.Parser.ent(+586)
at com.sun.ukit.jaxp.Parser.elm(+434)
at com.sun.ukit.jaxp.Parser.parse(+199)
at com.sun.ukit.jaxp.Parser.parse(+47)
at com.sun.ukit.jaxp.Parser.parse(+31)
at jaxp.startApp(+83)
at javax.microedition.midlet.MIDletProxy.startApp(+7)
at com.nokia.mid.impl.isa.ui.MIDletManager.callStartApp(+4)
at com.nokia.mid.impl.isa.ui.MIDletManager.activateMIDlet(+10)
at com.nokia.mid.impl.isa.ui.MIDletManager.run(+15)

如果有任何想法我会很感激。

Answer 1

很明显，这个答案我迟到了。不过，为了记录在案..。

几年前我写了这个解析器。在方法中，来自JSR172的解析器的ent版本使用Short.parseShort将实体值转换为char。如果值超过32767，Short.parseShort抛出NumberFormatException。此异常在方法ent中被捕获，并导致方法调用恐慌。

在JSR280中使用了解析器的最新版本。此版本应该能够正确处理32767以上的值。