二、DOM4J中文问题 Invalid byte 1 of 1-byte UTF-8 sequence

在用dom4j的时候发现有时会出现这个问题：无法以UTF-8保存xml文件，保存后再次读出的时候会报“Invalid byte 2 of 2-byte UTF-8 sequence.”这样一个错误，检查发现由dom4j生成的这个文件，在使用可正确处理XML编码的任何的编辑器中中文成乱码，从记事本查看并不会出现乱码会正确显示中文。让我很是头痛。。。。
  试着使用GBK、gb2312编码来生成的xml文件却可以正常的被解析。因此怀疑的dom4j没有对utf-8编码进行处理。便开始查看dom4j的原代码。终于发现的问题所在，是自己程序的问题。

在dom4j的范例中新建一个xml文档的代码都类似如下

public void createXML(String fileName) {
  Document doc = org.dom4j.DocumentHelper.createDocument();
  Element root = doc.addElement("book");
  root.addAttribute("name", "我的图书");
  Element childTmp;
  childTmp = root.addElement("price");
  childTmp.setText("21.22");
  Element writer = root.addElement("author");
  writer.setText("李四");
  writer.addAttribute("ID", "001");
  try {
  org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
  new FileWriter(fileName));
  xmlWriter.write(doc);
  xmlWriter.close();
  }
  catch (Exception e) {
  System.out.println(e);
  }
}

在上面的代码中输出使用的是FileWriter对象进行文件的输出。这就是不能

正确进行文件编码的原因所在，java中由Writer类继承下来的子类没有提供编码

格式处理，所以dom4j也就无法对输出的文件进行正确的格式处理。这时候所保

存的文件会以系统的默认编码对文件进行保存，在中文版的window下java的默认

的编码为GBK，也就是所虽然我们标识了要将xml保存为utf-8格式但实际上文件

是以GBK格式来保存的，所以这也就是为什么能够我们使用GBK、GB2312编码来生

成xml文件能正确的被解析，而以UTF-8格式生成的文件不能被xml解析器所解析

的原因。
  好了现在我们找到了原因所在了，我们来找解决办法吧。首先我们看看dom4j

是如何实现编码处理的
  public XMLWriter(OutputStream out) throws UnsupportedEncodingException {
  //System.out.println("In OutputStream");
  this.format = DEFAULT_FORMAT;
  this.writer = createWriter(out, format.getEncoding());
  this.autoFlush = true;
  namespaceStack.push(Namespace.NO_NAMESPACE);
  }
  public XMLWriter(OutputStream out, OutputFormat format) throws UnsupportedEncodingException {
  //System.out.println("In OutputStream,OutputFormat");
  this.format = format;
  this.writer = createWriter(out, format.getEncoding());
  this.autoFlush = true;
  namespaceStack.push(Namespace.NO_NAMESPACE);

}

protected Writer createWriter(OutputStream outStream, String

encoding) throws UnsupportedEncodingException {
  return new BufferedWriter(
  new OutputStreamWriter( outStream, encoding )
  );
  }

由上面的代码我们可以看出dom4j对编码并没有进行什么很复杂的处理，完全通过java本身的功能来完成。所以我们在使用dom4j的来生成我们的XML文件时不应该直接为在构建XMLWriter时，不应该直接为其赋一个Writer对象，而应该通过一个OutputStream的子类对象来构建。也就是说在我们上面的代码中，不应该用FileWriter对象来构建xml文档，而应该使用FileOutputStream对象来构建，所以将代码修改入下：
  public void createXML(String fileName) {
  Document doc = org.dom4j.DocumentHelper.createDocument();
  Element root = doc.addElement("book");
  root.addAttribute("name", "我的图书");
  Element childTmp;
  childTmp = root.addElement("price");
  childTmp.setText("21.22");
  Element writer = root.addElement("author");
  writer.setText("李四");
  writer.addAttribute("ID", "001");
  try {
  //注意这里的修改

org.dom4j.io.XMLWriter xmlWriter = new org.dom4j.io.XMLWriter(
  new FileOutputStream(fileName));
  xmlWriter.write(doc);
  xmlWriter.close();
  }
  catch (Exception e) {
  System.out.println(e);

}

}

这样生成的代码就是中文的了
异常：Invalid byte 1 of 1-byte UTF-8 sequence.

正好昨天我遇到这个问题，如此解决：  
  SAXReader reader = new SAXReader();  
  org.dom4j.Document document = reader.read("D:\\ha.xml");  
  OutputFormat of = new OutputFormat();  
  of.setEncoding("gb2312"); //改变编码方式  
  XMLWriter writer = new XMLWriter(new FileWriter "d:\\dom4j.xml"), of);  
   
  List list = document.selectNodes(  
  "//PersonId[@name = 'chen_zhen']");  
  if (list.size() > 0)  
  {  
  org.dom4j.Element e = (org.dom4j.Element)list.get(0);  
  System.out.println(e.toString());  
  e.setAttributue("name", "huo_yuanjia");  
  e.setAttributue("age", "20");  
  e.setName("Fighter"); //改变tag  
  e.setText("0001"); //改变value  
  }  
  writer.write(document);  
  writer.close();
以下函数可以实现编码转换：  
  public void writeXML(String file,Document document,String encoding){  
  try{  
  FileWriter out = new FileWriter(new File(file));  
  OutputFormat format = OutputFormat.createPrettyPrint();  
  format.setEncoding(encoding == null ? format.getEncoding() : encoding);  
  XMLWriter writer = new XMLWriter(out, format);  
  writer.write(document);  
  writer.close();  
  }  
  catch(IOException ex){  
  ex.printStackTrace();  
  }  
  }

四、dom4j 输出UTF-8 XML时中文乱码

首先，设置输出的编码，在这我们使用“utf-8”

Java代码 
OutputFormat format = OutputFormat.createPrettyPrint();  
  format.setEncoding("utf-8");

OutputFormat format = OutputFormat.createPrettyPrint();
  format.setEncoding("utf-8");

输出代码:

Java代码 
try {  
  output = new XMLWriter(new FileWriter("entity.xml"), format);  
  output.write(document);  
  output.close();  
  } catch (IOException e) {  
  e.printStackTrace();  
  }

try {
  output = new XMLWriter(new FileWriter("entity.xml"), format);
  output.write(document);
  output.close();
  } catch (IOException e) {
  e.printStackTrace();
  }
上面的输出如果有中文，可以会出现乱码的问题，将上面的FileWriter改成FileOutputStream便可以了。

Java代码 
try {  
  output = new XMLWriter(new FileOutputStream("entity.xml"), format);  
  output.write(document);  
  output.close();  
  } catch (IOException e) {  
  e.printStackTrace();  
  }

五、dom4j中文指定XML编码为GBK（注：指定为utf-8时仍会出现编码问题，见上面四）

OutputFormat format = OutputFormat.createPrettyPrint();

format.setEncoding("GBK");
try{
  writer= new XMLWriter(new FileWriter(new File("test.xml")),format);//用FileOutputStream更好。
  writer.write(document);

writer.close();  
 }
catch(IOException ioe){ioe.printStackTrace();}

2、String形式，我现在做的框架中，是PO<-->XML--Servlet,不需要生成文件，搜索了半天没搜索出来，后来干脆自己试出来了。
StringWriter sw=new StringWriter();
XMLWriter writer = null;

OutputFormat format = OutputFormat.createPrettyPrint();

format.setEncoding("GBK");
writer=new XMLWriter(format);
 writer.setWriter(sw);
 writer.write(document);
 System.out.println(sw.toString());