解析含Impresión的XML字节数组时出现UTF-8编码错误求助

这个问题我之前处理过！核心原因是你解析XML时默认用UTF-8编码，但你的字节数组实际编码和UTF-8不匹配——尤其是像Impresión里的重音字符ó，在不同编码里的字节结构差异很大，直接用UTF-8解析非UTF-8编码的字节就会触发这个错误。

下面给你几个亲测有效的解决方案：

方案一：明确指定解析编码 #

直接用InputStreamReader包裹输入流，指定字节数组实际的编码（比如常见的ISO-8859-1、Windows-1252），这样解析器就能正确识别特殊字符：

final DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance(); 
final DocumentBuilder builder = builderFactory.newDocumentBuilder(); 
final Document document; 
try (final InputStream stream = new ByteArrayInputStream(bytearray);
     // 替换成你字节数组实际的编码，比如ISO-8859-1
     final InputStreamReader reader = new InputStreamReader(stream, "ISO-8859-1")) { 
    document = builder.parse(new InputSource(reader)); 
}

方案二：统一编码为UTF-8 #

如果你的XML声明里已经指定了encoding="UTF-8"，那可以先把字节数组转成UTF-8编码再解析：

import java.nio.charset.StandardCharsets;

final DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance(); 
final DocumentBuilder builder = builderFactory.newDocumentBuilder(); 
final Document document; 

// 假设原字节数组是ISO-8859-1编码，先转成UTF-8
String xmlStr = new String(bytearray, "ISO-8859-1");
byte[] utf8Bytes = xmlStr.getBytes(StandardCharsets.UTF_8);

try (final InputStream stream = new ByteArrayInputStream(utf8Bytes)) {
    document = builder.parse(stream);
}

方案三：用Unicode转义替换特殊字符 #

你提到的Unicode表示法也是可行的——把特殊字符换成对应的Unicode转义序列，比如把ó替换成\u00F3，这样生成的XML字节数组不管用什么编码，解析器都能正确识别：

// 原字符串替换为Unicode转义后的版本
String xmlContent = "<?xml version=\"1.0\" encoding=\"UTF-8\"?><text>Impresi\u00F3n</text>";
byte[] bytearray = xmlContent.getBytes(StandardCharsets.UTF_8);

// 后续解析代码不变，此时不会报错
final DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance(); 
final DocumentBuilder builder = builderFactory.newDocumentBuilder(); 
final Document document; 
try (final InputStream stream = new ByteArrayInputStream(bytearray)) { 
    document = builder.parse(stream); 
}

小提示 #

优先推荐方案一或方案二，因为Unicode转义会降低XML的可读性，适合作为兜底方案。另外可以用文本编辑器打开XML文件（如果能拿到原文件），查看它的实际编码，这样能更精准地解决问题。

内容的提问来源于stack exchange，提问作者Kumar