格式化输入流的正确方法

Question

我有以下问题：我的程序传递了一个我无法控制其内容的输入流。我使用 javax 库解组我的输入流，如果 InputStream 包含 & ，它会正确地抛出异常。后面没有“amp;”的字符

我想出的解决方法是创建以下类：

import java.io.ByteArrayInputStream;
import java.io.FilterInputStream;
import java.io.InputStream;

/**
 * Provide an input stream where all & characters are properly encoded as &
 */
public class FormattedStream extends FilterInputStream {
  public FormattedStream(InputStream src) {
    super(new ByteArrayInputStream(StringUtil.toString(src)
      .replace("&", "&").replace("amp;amp;", "amp;").getBytes()));
  }
}

注意：StringUtil 是一个简单的实用程序，我必须将输入流转换为字符串。

有了该类，我现在调用 JAXB 解组器：

unmarshal(new FormattedStream(inputStream));

而不是

unmarshal(inputStream);

这种方法有效，但由于以下几个原因看起来很奇怪：

1 - 由于 super 必须是构造函数中的第一个元素的限制（我未能做到这一点）尽管我读到了有关它的内容，但我还是理解了），我被迫在一行中完成所有处理，使得代码远不可读。

2 - 将整个流转换为字符串，然后再转换回流似乎有些过分

3 - 上面的代码稍微不正确，因为流包含 amp;amp;将被修改为包含 amp;

我可以通过提供具有一种方法的 FormatInputStream 类来解决问题 1：

InputStream preProcess(InputStream inputStream)

我将执行与当前在 FormattedStream 类的构造函数中执行的操作相同的操作，但由于编码限制而必须选择不同的接口似乎很奇怪。

我可以通过保持 FormattedStream 构造函数简单来解决第 2 个问题：

super(src)

并重写三个读取方法，但这将涉及更多编码：通过替换 & 来重写三个读取方法。与我目前可以利用replaceAll String 方法的一行代码相比，即时运行并不是微不足道的。

至于3，这似乎是一个极端的情况，我不担心它，但也许我应该......

关于如何以更优雅的方式解决我的问题有什么建议吗？

Answer 1

我同意 McDowell 的回答，即最重要的是首先修复无效的数据源。

无论如何，这里有一个 InputStream ，它会查找孤独的 & 字符，并将它们与附加的 amp; 结合起来，以防它丢失。同样，大多数情况下，以这种方式修复损坏的数据并没有什么回报。

该解决方案修复了OP中提到的三个缺陷，并且仅显示了一种实现转换InputStreams的方法。

• 在构造函数中，仅保存对原始 InputStream 的引用。 构造函数中不会进行任何处理，直到真正向流请求数据（通过调用 read()）。
• 内容不会转换为大的单个字符串进行转换。相反，流作为流工作并且仅执行最小的预读（例如，确定 & 后面是否跟随 amp; 所需的四个字节
• 。 Stream 仅替换孤独的 &，并且 不会尝试以任何方式清理 amp;amp;，因为它们不会发生在该解决方案

已

import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayDeque;
import java.util.Deque;

public class ReplacerInputStream extends InputStream {

private static final byte[] REPLACEMENT = "amp;".getBytes();
    private final byte[] readBuf = new byte[REPLACEMENT.length];
    private final Deque<Byte> backBuf = new ArrayDeque<Byte>();
    private final InputStream in;

    public ReplacerInputStream(InputStream in) {
        this.in = in;
    }

    @Override
    public int read() throws IOException {
        if (!backBuf.isEmpty()) {
            return backBuf.pop();
        }
        int first = in.read();
        if (first == '&') {
            peekAndReplace();
        }
        return first;
    }

    private void peekAndReplace() throws IOException {
        int read = super.read(readBuf, 0, REPLACEMENT.length);
        for (int i1 = read - 1; i1 >= 0; i1--) {
            backBuf.push(readBuf[i1]);
        }
        for (int i = 0; i < REPLACEMENT.length; i++) {
            if (read != REPLACEMENT.length || readBuf[i] != REPLACEMENT[i]) {
                for (int j = REPLACEMENT.length - 1; j >= 0; j--) {
                    // In reverse order
                    backBuf.push(REPLACEMENT[j]);
                }
                return;
            }
        }
    }

}

使用以下输入数据进行了测试（第一个参数是预期输出，第二个参数是原始输入）：

    test("Foo & Bar", "Foo & Bar");
    test("&&&", "&&&");
    test("&&& ", "&&& ");
    test(" &&&", " &&&");
    test("&", "&");
    test("&", "&");
    test("&&", "&&");
    test("&&&", "&&&");
    test("test", "test");
    test("", "");
    test("testtesttest&", "testtesttest&");

Answer 2

为了避免将所有数据读入 RAM，您可以实现 FilterInputStream（您必须重写 read() 和 read(byte[],int, int) 并以某种方式缓冲这些额外的字节，这不会导致代码变短。

---

真正的解决方案是修复无效的数据源（如果您要自动化，则需要考虑编写。您自己的 XML 解析器）。

您的方法有一些缺陷。

• String.getBytes() 的结果取决于系统；它也是一个可能与任何 StringUtil 不对称的转码操作。 toString 确实 - 许多系统上的默认编码是 有损。您应该使用 XML 执行转码。 像这样的
• 全局搜索和替换可能会损坏您的文档 - CDATA，实体和实体声明。