JAXP Sax 解析器 Java-ME Midlet 解析中文字符时出现异常

Question

我在解析一些编码为 HTML Unicode 的中文字符时遇到了很大的麻烦， 嵌入 XML 文件中。

我正在使用Java ME和javax.xml.parsers.SAXParser

这样的字符文件是词：

<test>&#35789;</test>

有关它的信息：< a href="http://www.isthisthingon.org/unicode/index.php?page=08&subpage=B&glyph=08BCD" rel="nofollow">http://www.isthisthingon.org/unicode/index.php?page=08&subpage=B&glyph=08BCD

但奇怪的是后面

<test>&#21518;</test>

工作正常。

直接嵌入 Word 也可以。

我的测试 midlet 具有以下源代码：

import java.io.InputStream;
import javax.microedition.midlet.MIDlet;
import javax.microedition.midlet.MIDletStateChangeException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.helpers.DefaultHandler;


public class jaxp extends MIDlet {

public jaxp() {
}

protected void destroyApp(boolean unconditional)
throws MIDletStateChangeException {
}

protected void pauseApp() {
}

protected void startApp() throws MIDletStateChangeException {
    try {
        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser saxParser = factory.newSAXParser();
        DefaultHandler handler = new DefaultHandler() {};
        String fileName = "test.xml";
        InputStream is = jaxp.class.getResourceAsStream("/" + fileName);
        saxParser.parse(is, handler);
    } catch (Exception e) {
        e.printStackTrace();
    }

}
}

它正在消亡：

org.xml.sax.SAXParseException: 
at org.xml.sax.helpers.DefaultHandler.fatalError(+1)
at com.sun.ukit.jaxp.Parser.panic(+18)
at com.sun.ukit.jaxp.Parser.ent(+586)
at com.sun.ukit.jaxp.Parser.elm(+434)
at com.sun.ukit.jaxp.Parser.parse(+199)
at com.sun.ukit.jaxp.Parser.parse(+47)
at com.sun.ukit.jaxp.Parser.parse(+31)
at jaxp.startApp(+83)
at javax.microedition.midlet.MIDletProxy.startApp(+7)
at com.nokia.mid.impl.isa.ui.MIDletManager.callStartApp(+4)
at com.nokia.mid.impl.isa.ui.MIDletManager.activateMIDlet(+10)
at com.nokia.mid.impl.isa.ui.MIDletManager.run(+15)

我很感激任何想法。

Answer 1

我显然迟到了这个答案。尽管如此，郑重声明...

我几年前编写了这个解析器。在 JSR172 解析器的方法 ent 版本中，使用 Short.parseShort 将实体值转换为 char。如果该值高于 32767 Short.parseShort 会抛出 NumberFormatException。该异常在方法 ent 中被捕获并导致调用方法panic。

JSR280 中使用了更新版本的解析器。此版本应该能够正确处理高于 32767 的值。