转换XML不起作用UTF-8 XMLOutputter Java

Question

我已经看到了关于同一问题的其他问题，但我仍然得到一个错误。Hier是我尝试修改外部xml文件的一小部分代码。但它修改了文本中的一些字符。

import org.jdom2.Document;
import org.jdom2.JDOMException;
import org.jdom2.input.SAXBuilder;
import org.jdom2.output.Format;
import org.jdom2.output.XMLOutputter;
import java.io.FileOutputStream;
import java.io.IOException;

public class ModyfyXml {

public static void main(String[] args) throws JDOMException, IOException {

    try {

        SAXBuilder sax = new SAXBuilder();
        Document doc = sax.build("F:\\c\\test.xml");

        XMLOutputter xmlOutput = new XMLOutputter();
        Format format = Format.getPrettyFormat();
        format.setEncoding("UTF-8");
        xmlOutput.setFormat(format);
        xmlOutput.output(doc, (new FileOutputStream("F:\\c\\test2.xml")));

    }catch (IOException io) {
        io.printStackTrace();
    } catch (JDOMException e) {
        e.printStackTrace();
    }
}}

这里有一个我试图修改的小xml文件(在这种情况下，只需复制)

<?xml version="1.0" encoding="utf-8"?><page>
 䕶法喇嘛所居此處?仲無妻室亦降神附體
</page> 

在程序启动后，我得到了以下信息：

<?xml version="1.0" encoding="UTF-8"?>
<page>䕶法喇嘛所居此處&#x21e01;仲無妻室亦降神附體</page>

有些汉字不能正确转换

Answer 1

该死，我从来没有注意到JDOM 2中的这个bug。

对于任何非BMP字符，您都会得到相同的结果。你可以尝试最近几年的表情狂热，看看你会得到同样的结果。

它的发生是因为自动为UTF设置了转义策略--不管是什么编码。它所做的是相当错误的。

如果您将该策略替换为除了XML保留字符之外不转义任何字符的策略，则可以修复此问题：

format.setEscapeStrategy((c) -> false);