Java生成XML中£符号在Notepad++显示为xA3的解决咨询

问题描述 #

我用Java代码生成XML文件，其中英镑符号£在记事本（Notepad）显示正常，但在Notepad++里显示为xA3。XML文件声明编码是UTF-8，把显示异常的xA3复制粘贴回同一文件后又能正常显示。本地运行正常，但部署环境出现该问题，且两台服务器默认编码一致。

XML示例代码 #

<?xml version="1.0" encoding="UTF-8"?>
<DataExtract xmlns:vltrdr="........." xsi:schemaLocation="D:\Apps\Test\schema/Test.xsd" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="1.0">
<header>
  <creationDateTime>2024-04-10T06:47:15</creationDateTime>
  <reference>A_20240410064715</reference>
</header>
<letters>
<letter>
        <reportingCurrency>GBP</reportingCurrency>
        <reportingCurrencySymbol>GB£</reportingCurrencySymbol>
  </letter>
</letters>

</DataExtract>

代码细节 #

• 使用Groovy的Markup Builder生成文件内容，未通过Markup Builder显式添加XML声明，而是手动在内容头部添加了<?xml version="1.0" encoding="UTF-8"?>
• 文件写入代码：

Path path = Paths.get(fileNameWithExtn);
Files.write(path, xmlStr.getBytes());

核心原因 #

问题出在文件实际编码和XML声明的编码不匹配：你手动声明了UTF-8，但xmlStr.getBytes()会使用JVM默认编码（部署环境可能不是UTF-8），导致英镑符号被按其他编码（比如ISO-8859-1）写入，而Notepad++按UTF-8解析时，就会把ISO-8859-1编码的0xA3显示成乱码字符串xA3。

解决步骤 #

1. 指定UTF-8编码写入文件
   替换文件写入代码，显式指定UTF-8编码，确保文件实际保存为UTF-8格式：

   import java.nio.charset.StandardCharsets;
   
   Path path = Paths.get(fileNameWithExtn);
   Files.write(path, xmlStr.getBytes(StandardCharsets.UTF_8));
   

   或更简洁的写法：

   Files.write(path, xmlStr, StandardCharsets.UTF_8);
   

2. 让Groovy Markup Builder自动生成XML声明
   不要手动添加XML声明，配置Markup Builder自动生成带UTF-8编码的声明，避免手动声明和实际编码不一致：

   def writer = new StringWriter()
   def xmlBuilder = new groovy.xml.MarkupBuilder(writer)
   // 自动生成符合标准的XML编码声明
   xmlBuilder.mkp.xmlDeclaration(version: '1.0', encoding: 'UTF-8')
   // 后续构建XML内容...
   def xmlStr = writer.toString()
   

3. 验证Notepad++的编码识别
   打开文件后，在Notepad++顶部菜单选择「编码」→「UTF-8」（无需BOM，XML标准不推荐UTF-8 BOM）；如果文件被错误识别为其他编码，可通过「编码」→「转换为UTF-8」重新保存。

内容的提问来源于stack exchange，提问作者Deepti