Falsches Encoding in XML-Dateien

vorhergehende Artikel in: Java Markup
26.06.2021

Neulich kam während des Zutaten-für-Kuchen-Verdienens eine interessante Frage aus, die ich hier näher beleuchten möchte:

Das Problem stellte sich wie folgt dar: unsere Komponente bekam Dateien angeliefert - darunter auch XML-Dateien. Diese wurden durch unsere Komponente gepuffert und später Clients zur Verfügung gestellt. Wenn diese im Browser angezeigt werden sollten, reagierten diese zwar verschieden, aber ale mit irgendeiner Form von Fehler.

Ursache dafür war, dass die Dateien in einem anderen Encoding abgespeichert waren, als im Header stand und die Bytes in der Datei sich nicht in dem im Header benannten Encoding dekodieren ließen. Es wurde entschieden, diesen Sachverhalt nicht zu adressieren: die Clients, die die Dateien abrufen sollten exakt das bekommen, was vorher an unsere Komponente übermittelt wurde. Ich wollte trotzdem wissen, ob man diese Tatsache in Java irgendwie detektieren könnte.

Die Frage war also: kann man mit Java und Bordmitteln ermitteln, welches Encoding für eine vorgegebene XML-Datei das passende ist? Ich analysierte das mit dem java.beans.XMLDecoder und seinem Gegenstück, dem java.beans.XMLEncoder.

Ich fand im Internet zwei Ressourcen aus denen ich mit leichten Abwandlungen meine eigene Lösung erstellte:

public static java.lang.String findCorrectEncoding(java.io.InputStream is,
    java.util.Collection<java.lang.String> possibleCharsetNames) throws IOException
{
    java.lang.String rv=null;

java.io.ByteArrayOutputStream baos = new java.io.ByteArrayOutputStream();

de.elbosso.util.Utilities.copyBetweenStreams(is, baos, true);

byte[] bytes = baos.toByteArray();

java.nio.CharBuffer out = java.nio.CharBuffer.wrap(new char[bytes.length * 4 + 1]); for(java.lang.String charsetName:possibleCharsetNames) { java.nio.charset.CharsetDecoder ebcdicDecoder = java.nio.charset.Charset.forName(charsetName).newDecoder(); ebcdicDecoder.onMalformedInput(java.nio.charset.CodingErrorAction.REPORT); ebcdicDecoder.onUnmappableCharacter(java.nio.charset.CodingErrorAction.REPORT);

java.nio.charset.CoderResult result = ebcdicDecoder.decode(java.nio.ByteBuffer.wrap(bytes), out, true); if (result.isError() || result.isOverflow() || /*result.isUnderflow() ||*/ result.isMalformed() || result.isUnmappable()) { if(CLASS_LOGGER.isTraceEnabled()) CLASS_LOGGER.trace("Cannot decode " + charsetName); } else { result = ebcdicDecoder.flush(out); if (result.isOverflow()) if(CLASS_LOGGER.isTraceEnabled()) CLASS_LOGGER.trace("Cannot decode " + charsetName); if (result.isUnderflow()) { if(CLASS_LOGGER.isTraceEnabled()) CLASS_LOGGER.trace("Successfully decoded " + charsetName); rv=charsetName; break; } } } return rv; }

Damit ist es möglich, eine Menge valider Encodings zu übergeben und diese Methode liefert das erste, mit dem sich alle enthaltenen Bytes als gültige Zeichen interpretieren lassen zurück.

Alle Artikel rss Wochenübersicht Monatsübersicht Codeberg Repositories Mastodon Über mich home xmpp


Vor 5 Jahren hier im Blog

  • Open Source Switch Firmware

    05.09.2020

    Einige Links zum Thema...

    Weiterlesen

Neueste Artikel

  • Datenmodell für Inventarisierung

    Im vorhergehenden Artikel zum Thema Inventarisierung habe ich beschrieben, wie ich Rechner und deren Komponenten für meinen Haushalt/Labor mit einer sehr schnellen Lösung umfassend dokumentiert habe. Diese Beschränkung auf Rechner reicht natürlich nicht aus.

    Weiterlesen
  • Komponentenupdate und -refactoring 2025

    Ich habe wieder einmal einige Änderungen und Verbesserungen an den Komponenten ausgeführt, die Anwendungen wie der sQLshell oder dWb+ zugrundeliegen.

    Weiterlesen
  • Hardware-Inventarisierung mal anders(?)

    Ich habe bereits seit einiger Zeit immer mal wieder vor, die in meinen Bastelschränken und auf meinem Schreibtisch vorhandenen Hardwarekomponenten sauber zu inventarisieren. Alle meine bisherigen Versuche schlugen jedoch fehl, da ich mich bisher darauf fokussierte, eine self-hosted Anwendung dafür zu finden. Allerdings sind mir die üblichen Verdächtigen entweder zu schwergewichtig oder zu unflexibel. Ich kam aber auf eine (für mich) neue Idee:

    Weiterlesen

Manche nennen es Blog, manche Web-Seite - ich schreibe hier hin und wieder über meine Erlebnisse, Rückschläge und Erleuchtungen bei meinen Hobbies.

Wer daran teilhaben und eventuell sogar davon profitieren möchte, muss damit leben, daß ich hin und wieder kleine Ausflüge in Bereiche mache, die nichts mit IT, Administration oder Softwareentwicklung zu tun haben.

Ich wünsche allen Lesern viel Spaß und hin und wieder einen kleinen AHA!-Effekt...

PS: Meine öffentlichen Codeberg-Repositories findet man hier.