UTL_FILE.GET_LINE截断XML标签求助：UTF8转ISO-8859-1编码异常

兄弟，我之前处理XML编码转换的时候也踩过UTL_FILE.GET_LINE的坑，跟你说的情况一模一样！咱们先捋清楚问题出在哪，再给你靠谱的解决办法。

问题根源 #

UTL_FILE.GET_LINE默认的max_linesize参数是1024字节，如果你没手动指定更大的值，当XML里的标签长度超过1024字节时，就会被硬生生截断成多行，导致XML结构损坏。另外，逐行修改编码头的方式也很脆弱——万一编码声明那行刚好被截断，修改逻辑直接就失效了。

靠谱的解决方案 #

1. 先指定足够大的max_linesize #

不管你用哪种方式处理文件，打开文件时一定要把max_linesize设到最大值32767（PL/SQL VARCHAR2的上限），避免行截断：

l_file := UTL_FILE.FOPEN('你的目录名', '文件名.xml', 'R', 32767);

2. 用CLOB整体读取+修改，避免逐行处理 #

最稳妥的方式是把整个XML文件读到CLOB里，一次性修改编码声明，再写入新文件。这样能保证XML结构的完整性，不会出现标签截断的问题。示例代码如下：

DECLARE
  l_input_file  UTL_FILE.FILE_TYPE;
  l_output_file UTL_FILE.FILE_TYPE;
  l_xml_clob    CLOB;
  l_buffer      VARCHAR2(32767);
  l_offset      NUMBER := 1;
  l_amount      NUMBER := 32767;
BEGIN
  -- 1. 创建临时CLOB存储XML内容
  DBMS_LOB.CREATETEMPORARY(l_xml_clob, TRUE);
  
  -- 2. 读取UTF8编码的XML文件到CLOB
  l_input_file := UTL_FILE.FOPEN('XML_STORAGE_DIR', 'source.xml', 'R', 32767);
  LOOP
    BEGIN
      UTL_FILE.GET_LINE(l_input_file, l_buffer, 32767);
      DBMS_LOB.WRITEAPPEND(l_xml_clob, LENGTH(l_buffer), l_buffer);
      DBMS_LOB.WRITEAPPEND(l_xml_clob, 1, CHR(10)); -- 保留原文件的换行符
    EXCEPTION
      WHEN NO_DATA_FOUND THEN EXIT; -- 读取完毕
    END;
  END LOOP;
  UTL_FILE.FCLOSE(l_input_file);
  
  -- 3. 修改XML头部的编码声明
  l_xml_clob := REPLACE(l_xml_clob, 'encoding="UTF-8"', 'encoding="ISO-8859-1"');
  
  -- 4. 将修改后的CLOB写入ISO-8859-1编码的文件
  l_output_file := UTL_FILE.FOPEN('XML_STORAGE_DIR', 'target.xml', 'W', 32767);
  WHILE l_offset <= DBMS_LOB.GETLENGTH(l_xml_clob) LOOP
    DBMS_LOB.READ(l_xml_clob, l_amount, l_offset, l_buffer);
    UTL_FILE.PUT_LINE(l_output_file, l_buffer, FALSE); -- 不需要自动加换行，我们已经保留了原换行
    l_offset := l_offset + l_amount;
  END LOOP;
  UTL_FILE.FCLOSE(l_output_file);
  
  -- 释放临时CLOB
  DBMS_LOB.FREETEMPORARY(l_xml_clob);
END;
/

3. 更严谨的字符集转换（用RAW/BLOB处理） #

如果你的XML里包含特殊字符，担心字符集转换出错，可以用RAW/BLOB来处理字节流，确保编码转换的准确性：

DECLARE
  l_input_file  UTL_FILE.FILE_TYPE;
  l_output_file UTL_FILE.FILE_TYPE;
  l_raw_data    RAW(32767);
  l_xml_blob    BLOB;
  l_xml_clob    CLOB;
  l_offset      NUMBER := 1;
  l_amount      NUMBER := 32767;
BEGIN
  -- 1. 读取UTF8文件的字节流到BLOB
  DBMS_LOB.CREATETEMPORARY(l_xml_blob, TRUE);
  l_input_file := UTL_FILE.FOPEN('XML_STORAGE_DIR', 'source.xml', 'RB', 32767);
  LOOP
    BEGIN
      UTL_FILE.GET_RAW(l_input_file, l_raw_data, 32767);
      DBMS_LOB.WRITEAPPEND(l_xml_blob, UTL_RAW.LENGTH(l_raw_data), l_raw_data);
    EXCEPTION
      WHEN NO_DATA_FOUND THEN EXIT;
    END;
  END LOOP;
  UTL_FILE.FCLOSE(l_input_file);
  
  -- 2. 将UTF8的BLOB转换为CLOB
  DBMS_LOB.CONVERTTOCLOB(
    dest_lob     => l_xml_clob,
    src_blob     => l_xml_blob,
    amount       => DBMS_LOB.LOBMAXSIZE,
    dest_offset  => 1,
    src_offset   => 1,
    blob_csid    => NLS_CHARSET_ID('AL32UTF8'),
    lang_context => DBMS_LOB.DEFAULT_LANG_CTX,
    warning      => NULL
  );
  DBMS_LOB.FREETEMPORARY(l_xml_blob);
  
  -- 3. 修改编码声明
  l_xml_clob := REPLACE(l_xml_clob, 'encoding="UTF-8"', 'encoding="ISO-8859-1"');
  
  -- 4. 将CLOB转换为ISO-8859-1的BLOB
  DBMS_LOB.CREATETEMPORARY(l_xml_blob, TRUE);
  DBMS_LOB.CONVERTTOBLOB(
    dest_lob     => l_xml_blob,
    src_clob     => l_xml_clob,
    amount       => DBMS_LOB.LOBMAXSIZE,
    dest_offset  => 1,
    src_offset   => 1,
    clob_csid    => NLS_CHARSET_ID('WE8ISO8859P1'),
    lang_context => DBMS_LOB.DEFAULT_LANG_CTX,
    warning      => NULL
  );
  
  -- 5. 写入ISO-8859-1的字节流到文件
  l_output_file := UTL_FILE.FOPEN('XML_STORAGE_DIR', 'target.xml', 'WB', 32767);
  WHILE l_offset <= DBMS_LOB.GETLENGTH(l_xml_blob) LOOP
    DBMS_LOB.READ(l_xml_blob, l_amount, l_offset, l_raw_data);
    UTL_FILE.PUT_RAW(l_output_file, l_raw_data, TRUE);
    l_offset := l_offset + l_amount;
  END LOOP;
  UTL_FILE.FCLOSE(l_output_file);
  
  -- 释放临时对象
  DBMS_LOB.FREETEMPORARY(l_xml_clob);
  DBMS_LOB.FREETEMPORARY(l_xml_blob);
END;
/

最后总结 #

• 永远不要依赖UTL_FILE.GET_LINE的默认max_linesize，手动设为32767准没错；
• 尽量避免逐行处理XML，用CLOB/BLOB整体操作能保证结构完整；
• 涉及字符集转换时，用DBMS_LOB的官方转换函数比手动处理更可靠。

内容的提问来源于stack exchange，提问作者Mike Grimaldo