解析含日文的XML生成文本文件时字符丢失且粘贴后恢复的问题

嘿，这个问题我之前处理过类似的，咱们一步步拆解原因和解决办法：

问题根源：编码不一致导致的字符损坏 #

你碰到的核心问题是读取XML和写入文件时的编码没有统一为UTF-8，而且Java的FileReader/FileWriter默认会用系统平台的编码（比如Windows下的GBK），这就导致了字符在读写过程中被错误转码：

1. 读取XML时的坑：你用了FileReader读取XML，然后给InputSource设置UTF-8编码，但FileReader是字符流，它已经提前把文件的字节按系统默认编码转成了字符，setEncoding("UTF-8")这个设置对已经存在的字符流完全无效——等于你先把UTF-8的XML用GBK解码成了乱码字符，再交给解析器，自然拿到的data本身就是损坏的。
2. 写入文件时的隐患：FileWriter同样用系统默认编码写入，你直接写字符串正常只是巧合（比如你的系统编码刚好能覆盖这些日文），但这是不可靠的，换个平台或者遇到生僻字符就会出问题。

至于复制粘贴后恢复正常？那是因为损坏的字符写入文件后，当你复制到支持UTF-8的编辑器时，编辑器自动尝试用UTF-8解码，刚好把两次错误转码的结果又转回来了——这是偶然现象，不是解决办法。

正确的解决步骤 #

1. 正确读取UTF-8编码的XML #

放弃FileReader，改用字节流读取XML，这样解析器才能正确识别UTF-8编码：

File fXmlFile = new File("D:\\Test\\test_BULK.xml");
// 用字节流传入InputSource，让解析器按指定编码处理
InputSource is = new InputSource(new FileInputStream(fXmlFile));
is.setEncoding("UTF-8");

// 后续解析代码不变
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(is);
doc.getDocumentElement().normalize();

如果你的XML文件开头已经有标准的编码声明：<?xml version="1.0" encoding="UTF-8"?>，那更简单，直接让解析器自动识别编码就行：

Document doc = dBuilder.parse(fXmlFile); // 解析器会读取XML开头的编码声明，自动用UTF-8解析

2. 用UTF-8编码写入文件 #

FileWriter无法指定编码，改用OutputStreamWriter配合FileOutputStream，明确指定UTF-8：

// 用try-with-resources自动关闭流，更安全
try (OutputStreamWriter fileWriter = new OutputStreamWriter(
        new FileOutputStream("D:\\Test\\test.txt"), StandardCharsets.UTF_8)) {
    // 解析得到data后写入
    fileWriter.write(data);
    fileWriter.flush();
} catch (IOException e) {
    e.printStackTrace();
}

验证效果 #

按照上面的方法修改后，无论是解析XML得到的字符，还是直接写入字符串，都会以UTF-8编码保存到文件里，编辑器打开时也能直接显示正确的日文，不会再出现“复制才正常”的怪异现象。

内容的提问来源于stack exchange，提问作者The Coder