Java：InputStreamReader字符编码需要运行两次

Question

我的公司与世界各地的客户进行了大量的 XML 转换工作。因此，我们有时会遇到字符编码问题。我们的应用程序有一个组件，旨在将 InputStream 规范化为特定的字符编码。它运作良好......但有一个问题。

有些情况下，我们需要运行两次。对于我的一生，我无法告诉你原因，我一直在努力找出造成它的原因，但我什么也没想到。只是好像有些文件第一次运行的时候不对，但是第二次运行的时候终于好了。

这里是编码的代码（假设“encoding”变量是“UTF-8”，它通常是）：

char[] buffer = new char[getBufferSize()];
String encoding = getEncoding();

Cache fileCache = getFileCache();

try (InputStreamReader reader = new InputStreamReader(data.getDataStream(), encoding); Writer writer = fileCache.getWriter(encoding)) {
    int charsRead;
    while ((charsRead = reader.read(buffer)) != -1) {
        writer.write(buffer, 0, charsRead);
    }
    data.setDataStream(fileCache.getInputStream());
} catch(IOException ex) {
    throw new Exception(String.format("Unable to normalize stream for %s encoding", encoding), ex);
}

所以，有时这段代码需要运行两次才能使流以指定的编码正确运行。

我想让它在第一次尝试时运行得更好。

1. 这个问题可能有什么原因？

2. 是否有任何方法可以改进此代码以使“流规范化”（我们称之为）更有效？

3. 除了使用 InputStreamReader 之外，还有哪些修复流编码的替代方法可能效果更好？

Answer 1

对于 XML，存在一些小问题：在第一行中，

<?xml ... ?>

指定编码或默认为 UTF-8。因此，XML 通常被读取为 InputStream（二进制）并留给 XML 解析器来找出编码。

在编写 XML 时，人们可能会假设用字符串表示。当从

<?xml ... ?>

编写编码时，应该在

new OutputStreamWriter(ouputStream, encoding)

.

中使用

二进制输入和输出 XML 必须在处理编码的程序员编辑器（如 JEdit 或 Notepad++）中测试其编码。

如果您想以正确的编码立即阅读文本：我搜索了 XMLInputStreamReader 并找到了一些。但是您所有的 Reader 类都需要做：缓冲 ByteArrayOutputStream 中的第一个字节，直到处理

<?xml encoding=...?>

，然后执行 InputStreamReader。