org.xml.sax.SAXParseException: Content is not allowed in prolog

最新推荐文章于 2018-03-14 10:13:51 发布

原创最新推荐文章于 2018-03-14 10:13:51 发布 · 4k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#dreamweaver #微软 #windows #xml #byte #平台

XML is rubbish 专栏收录该内容

3 篇文章

订阅专栏

本文讨论了在使用DOM4J读取UTF-8编码的XML文件时遇到的BOM问题，解释了BOM（Byte Order Mark）在UTF编码中的作用，并提供了区分UTF-8文件是否带有BOM的方法。最终通过在UE中打开并另存为“utf-8无bom”解决了问题。

最近在使用 dom4j 读取一个xml 文件，xml 文件为 utf-8 读取格式也为utf-8；不知道为什么，死活读取不了，就是要报：

org.xml.sax.SAXParseException: Content is not allowed in prolog 这个错误，搞到我很郁闷！

后来上网搜索一看，原来这里的水也不浅。

BOM(Byte Order Mark)，是UTF编码方案里用于标识编码的标准标记，在UTF-16里本来是FF FE，变成UTF-8就成了EF BB BF。这个标记是可选的，因为UTF8字节没有顺序，所以它可以被用来检测一个字节流是否是UTF-8编码的。微软做这种检测，但有些软件不做这种检测，而把它当作正常字符处理。

微软在自己的UTF-8格式的文本文件之前加上了EF BB BF三个字节, windows上面的notepad等程序就是根据这三个字节来确定一个文本文件是ASCII的还是UTF-8的, 然而这个只是微软暗自作的标记, 其它平台上并没有对UTF-8文本文件做个这样的标记。

也就是说一个UTF-8文件可能有BOM，也可能没有BOM，那么怎么区分呢？三种方法。1，用UltraEdit-32打开文件，切换到十六进制编辑模式，察看文件头部是否有EF BB BF。2，用Dreamweaver打开，察看页面属性，看“包括Unicode签名BOM”前面是否有个勾。3，用Windows的记事本打开，选择 “另存为”，看文件的默认编码是UTF-8还是ANSI，如果是ANSI则不带BOM。

到这里，真相大白，可恶的微软，把utf-8 格式的文件在前边加了 EF BB BF三个字节，而dom4j 不认这些！我们使用ue 打开xml 文件，另存为"utf-8 无bom" 大功告成。