Even before I've been trying to find a convenient way to identify
whether a parsing has stopped because of a character encoding
problem. I'm attaching a sample (the main application entry is in
"ParsingText.java"): it tries to parse an "UTF-8" encoding
mislabeled document which is actually encoded using "ISO-8859-1"
("charter.xml"). Upon encountering he first non-ASCII character the
reading fails and the parser throws |SAXParseException|... while I'm
more convinced I should get an |IOException| type.
The problem is I have to detect specific exception messages to guess
the problem is the one I'm looking for and those messages could
easily change between parser versions and are surely different
between different parser implementations. I think it would be nice
if the whatever relevant underlying exception is initialized as
|cause| of the |SAXParseException| being thrown so one can detect
the problem in more Java natural way.
Something I've noticed when I provide a custom input stream of data
("TestStream.java"), when the reading from that stream throws
|java.io.CharConversionException| it is not propagated as
|IOException| but again a |SAXParseException| is thrown with its
message containing the original exception message.
I've noticed the optimized Xerces readers already throw
|java.io.CharConversionException|
(|org.apache.xerces.impl.io.MalformedByteSequenceException|) upon
character encoding problem and while I don't know why it is not
propagated as general |IOException| (do you know why?), if they are
initialized as |cause| of the |SAXParseException| being thrown I
could do something like:
XMLReader xmlReader;
InputSource input;
...
try {
xmlReader.parse(input);
} catch (CharConversionException ex) {
/* encoding problem detected */
} catch (IOException ex) {
...
} catch (SAXException ex) {
if (ex.getCause() instanceof CharConversionException) {
/* encoding problem detected */
}
}
Then in interactive environment I could present a user with
convenient options to retry the operation specifying different
source encoding, for example.
Has this been considered before?
--
Stanimir
package net.example;
import java.io.IOException;
import java.net.URL;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParserFactory;
import org.xml.sax.ErrorHandler;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;
import org.xml.sax.SAXParseException;
import org.xml.sax.XMLReader;
public class ParsingTest {
public static void main(String[] args) {
SAXParserFactory spf = SAXParserFactory.newInstance();
XMLReader xmlReader;
try {
xmlReader = spf.newSAXParser().getXMLReader();
} catch (SAXException ex) {
ex.printStackTrace();
return;
} catch (ParserConfigurationException ex) {
ex.printStackTrace();
return;
}
ErrorHandler errorHandler = new ErrorHandler() {
public void warning(SAXParseException exception) {
System.err.println("[warning] " + exception);
}
public void fatalError(SAXParseException exception) {
System.err.println("[fatal] " + exception);
}
public void error(SAXParseException exception) {
System.err.println("[error] " + exception);
}
};
xmlReader.setErrorHandler(errorHandler);
URL source = ParsingTest.class.getResource("charter.xml");
InputSource input = new InputSource(source.toExternalForm());
//new InputSource(new TestStream());
try {
xmlReader.parse(input);
} catch (IOException ex) {
System.err.println();
ex.printStackTrace();
} catch (SAXException ex) {
System.err.println();
ex.printStackTrace();
}
}
}
<?xml version="1.0" encoding="UTF-8" ?>
<html xmlns="http://www.w3.org/1999/xhtml"; xml:lang="en-US">
<head>
<title>Xerces Project Charter</title>
<link rel="source" href="http://xerces.apache.org/xerces2-j/charter.html";
title="Xerces Project Charter" />
</head>
<body>
<h1>Xerces Project Charter</h1>
<p>
The following charter applies to all Xerces projects.</p>
<h2>Introduction</h2>
<p>
Apache Xerces est un projet de collaboration de développement de logiciel
consacré à fournir robuste, complet, à la commercial-qualité, et librement aux
analyseurs disponibles de XML et aux technologies étroitement liées sur une
grande variété de plateformes soutenant plusieurs langues. Ce projet est
contrôlé dans le monde entier en coopération avec les divers individus (les
experts indépendants et compagnie-filiales), qui emploient l'Internet pour
communiquer, projeter, et développer le logiciel de XML et la documentation
relative.</p>
<p>
Cette charte décrit brièvement la mission, l'histoire, l'organisation, et les
processus du projet.</p>
<h2>Mission</h2>
<p>
Apache Xerces existe pour favoriser l'utilisation de XML. Nous regardons XML
comme paradigme contraignant qui structure des données comme information,
facilitant de ce fait l'échange, la transformation, et la présentation de la
connaissance. La capacité de transformer des données brutes en information
utilisable a le grand potentiel d'améliorer la fonctionnalité et l'utilisation
des systèmes d'information. Nous avons l'intention d'établir librement des
analyseurs disponibles de XML et des technologies étroitement liées afin
d'engendrer de telles améliorations.</p>
<p>
Les analyseurs d'Apache Xerces soutiennent APIs standard (formel, de fait, ou
proposé). Ils sont conçus pour être rendement élevé, fiable, et facile à
employer. Pour faciliter la mise en communication facile des idées entre les
langues, les api soutenus devraient être aussi semblables comme possible, donné
les contraintes des langues et des architectures existantes. Des analyseurs
d'Apache Xerces devraient également être conçus pour travailler efficacement
avec l'autre Apache projette qu'affaire avec XML autant que possible.</p>
<p>
Nous croyons que la meilleure manière à autre ces buts est en ayant des
individus et les sociétés collaborent sur la meilleure infrastructure, APIs,
code, examinant, et des cycles de dégagement. Les composants doivent être
fournisseur neutre et utilisable comme composants de noyau pour tous.</p>
<p>
Afin de réaliser une architecture logique entre les analyseurs d'Apache Xerces
et d'autres composants et applications, des normes (formelles ou de fait) seront
employées autant que possible pour des protocoles et APIs. Le cas échéant, des
expériences et des leçons appriss sera rétroagi aux organismes de normalisation
dans un effort d'aider au développement de ces normes. Nous encouragerons
également l'innovation de nouveaux protocoles, d'APIs, et de composants afin de
semer de nouveaux concepts pas encore définis par des normes.</p>
<div>...</div>
</body>
</html>
package net.example;
import java.io.ByteArrayInputStream;
import java.io.CharConversionException;
import java.io.IOException;
import java.io.InputStream;
import java.io.UnsupportedEncodingException;
public class TestStream extends InputStream {
private static final String SOURCE =
"<?xml version=\"1.0\" encoding=\"UTF-8\" ?>"
+ "<document>"
+ "<title>Sample Document</title>"
+ "<paragraph>"
+ "...";
private InputStream mContent;
public TestStream() {
try {
mContent = new ByteArrayInputStream(SOURCE.getBytes("UTF-8"));
} catch (UnsupportedEncodingException ueex) {
throw new AssertionError(ueex);
}
}
public int read() throws IOException {
int ch = mContent.read();
if (ch == -1) {
throw new MyException();
}
return ch;
}
}
class MyException extends CharConversionException {
//extends IOException {
private static final long serialVersionUID = 1L;
MyException() {
super("My Custom Exception");
}
}
---------------------------------------------------------------------
To unsubscribe, e-mail: [EMAIL PROTECTED]
For additional commands, e-mail: [EMAIL PROTECTED]
