草庐IT

android - 如何从 InputStream 中删除重音字符

coder 2023-12-09 原文

我正在尝试使用 Pull 解析器在 Android 上解析 Rss2.0 提要。 

XmlPullParser parser = Xml.newPullParser();
parser.setInput(url.open(), null);

提要 XML 的序言说编码是“utf-8”。当我打开远程流并将其传递给我的 Pull Parser 时，我得到无效的 token ，记录格式不正确的异常。

当我保存 XML 文件并在浏览器 (FireFox) 中打开它时，浏览器报告文件中存在 Unicode 0x12 字符(重音符号？)并且无法呈现 XML。

如果我对返回的 XML 没有任何控制权，那么处理此类情况的最佳方法是什么？

谢谢。

最佳答案

你在哪里发现 0x12 是重音符？ UTF-8的字符范围0x00-0x7F与ASCII编码相同，ASCII码点0x12为控制字符，DC2，或CTRL+R。

这听起来像是某种编码问题。解决这个问题的最简单方法是查看您在十六进制编辑器中保存的文件。有一些事情要检查:

  1. 开头的字节顺序标记 (BOM) 可能会混淆一些 XML 解析器
  2. 即使 XML 声明说编码是 UTF-8，它实际上可能没有那种编码，并且文件将被错误解码。
  3. 并非所有 unicode 字符在 XML 中都是合法的，这就是 firefox 拒绝呈现它的原因。特别是，XML 规范指出 0x9、0xA 和 0xD 是唯一小于 0x20 的有效字符，因此 0x12 肯定会导致兼容的解析器提示。

如果您可以将文件上传到 pastebin 或类似工具，我可以帮助找到原因并提出解决方案。

编辑: 好的，您无法上传。这是可以理解的。

您得到的 XML 不知何故已损坏，理想的做法是联系负责生成它的一方，看看问题是否可以解决。

不过，在执行此操作之前要检查一件事 - 您确定您获得的数据不受干扰吗？某些形式的通信 (SMS) 仅允许 7 位字符。这会将 0x92(ASCII 正向标记/撇号 - 重音符？)变成 0x12。看起来很巧合，特别是如果这些出现在文件中您期望有重音的地方。

否则，你将不得不尽力利用你所拥有的:

  1. 虽然不是绝对必要，但要采取防御措施并将“UTF-8”作为第二个参数传递给解析器上的 setInput。

  2. 类似地，通过将​​不同的编码作为第二个参数传递，强制解析器使用另一种字符编码。除了“UTF-8”之外，要尝试的编码是“iso-8859-1”和“UTF-16”。 Sun site 上给出了支持的 java 编码的完整列表。 - 你可以尝试所有这些。 (我找不到 Android 支持编码的明确列表。)

  3. 作为最后的手段，您可以去除无效字符，例如删除 0x20 以下的所有非空白字符(0x9、0xA 和 0xD 都是空白字符。)如果删除它们很困难，您可以替换它们。

例如

class ReplacingInputStream extends FilterInputStream
{
   public int read() throws IOException
   {
      int read = super.read();
      if (read!=-1 && read<0x20 && !(read==0x9 || read==0xA || read==0xB))
         read = 0x20;
      return read;          
   }
}

您将它包裹在您现有的输入流周围，并过滤掉无效字符。请注意，您可能很容易对 XML 造成更大的损害，或者最终得到无意义的 XML，但它同样可以让您获得所需的数据或更容易地找出问题所在。

关于android - 如何从 InputStream 中删除重音字符，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2855959/

重音InputStreamsectionUTF-8androidxml-parsingdiacritics

有关android - 如何从 InputStream 中删除重音字符的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

  3. Ruby 解析字符串 - 2

    我有一个字符串input="maybe(thisis|thatwas)some((nice|ugly)(day|night)|(strange(weather|time)))"Ruby中解析该字符串的最佳方法是什么？我的意思是脚本应该能够像这样构建句子:maybethisissomeuglynightmaybethatwassomenicenightmaybethiswassomestrangetime等等，你明白了......我应该一个字符一个字符地读取字符串并构建一个带有堆栈的状态机来存储括号值以供以后计算，还是有更好的方法？也许为此目的准备了一个开箱即用的库？

  4. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  5. ruby-on-rails - unicode 字符串的长度 - 2

    在我的Rails(2.3，Ruby1.8.7)应用程序中，我需要将字符串截断到一定长度。该字符串是unicode，在控制台中运行测试时，例如'א'.length，我意识到返回了双倍长度。我想要一个与编码无关的长度，以便对unicode字符串或latin1编码字符串进行相同的截断。我已经了解了Ruby的大部分unicode资料，但仍然有些一头雾水。应该如何解决这个问题？ 最佳答案 Rails有一个返回多字节字符的mb_chars方法。试试unicode_string.mb_chars.slice(0,50)

  6. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  7. ruby-on-rails - 如何验证 update_all 是否实际在 Rails 中更新 - 2

    给定这段代码defcreate@upgrades=User.update_all(["role=?","upgraded"],:id=>params[:upgrade])redirect_toadmin_upgrades_path,:notice=>"Successfullyupgradeduser."end我如何在该操作中实际验证它们是否已保存或未重定向到适当的页面和消息？ 最佳答案 在Rails3中，update_all不返回任何有意义的信息，除了已更新的记录数(这可能取决于您的DBMS是否返回该信息)。http://ar.ru

  8. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

  9. ruby - 将差异补丁应用于字符串/文件 - 2

    对于具有离线功能的智能手机应用程序，我正在为Xml文件创建单向文本同步。我希望我的服务器将增量/差异(例如GNU差异补丁)发送到目标设备。这是计划:Time=0Server:hasversion_1ofXmlfile(~800kiB)Client:hasversion_1ofXmlfile(~800kiB)Time=1Server:hasversion_1andversion_2ofXmlfile(each~800kiB)computesdeltaoftheseversions(=patch)(~10kiB)sendspatchtoClient(~10kiBtransferred)Cl

  10. ruby-on-rails - Rails 常用字符串(用于通知和错误信息等) - 2

    大约一年前，我决定确保每个包含非唯一文本的Flash通知都将从模块中的方法中获取文本。我这样做的最初原因是为了避免一遍又一遍地输入相同的字符串。如果我想更改措辞，我可以在一个地方轻松完成，而且一遍又一遍地重复同一件事而出现拼写错误的可能性也会降低。我最终得到的是这样的:moduleMessagesdefformat_error_messages(errors)errors.map{|attribute,message|"Error:#{attribute.to_s.titleize}#{message}."}enddeferror_message_could_not_find(obje

随机推荐