- PR -

XML出力で数値参照(&#xxxx）に変換される

1
投稿者投稿内容
groovy_inoue
会議室デビュー日: 2005/05/18
投稿数: 9
お住まい・勤務地: 東京都
投稿日時: 2007-04-25 21:58
こんにちは

JAXPでXMLを出力しているのですが、(\\uffe4)が、&#65508で出力されてしまいます。
(\\uffe4)が、そのまま(0xfa55)で出力されることを期待していますが、
いろいろ調べたのですが、行き着きませんでした。

ちなみに、エンコード指定は、Shift_JISです。
あと、内部コードとしてHEXダンプ（\\uffe4）で確認をしたので入力時の文字化けはないと考えています。
今回のシステムは、統一コードとして、Shift_JISが要求されているため、UTF-8にできません。


どなたかご存知の方がいらっしゃれば、ご教授ください。


出力部のコードは以下となります。
コード:
TransformerFactory transFactory = TransformerFactory.newInstance();
Transformer transformer = transFactory.newTransformer();
transformer.setOutputProperty(OutputKeys.ENCODING, "Shift_JIS");

DOMSource source = new DOMSource(document);
StringWriter writer = new StringWriter();
transformer.transform(source, new StreamResult(writer));
	
strOutputString = writer.toString();
だっちょ
大ベテラン
会議室デビュー日: 2006/12/05
投稿数: 115
投稿日時: 2007-04-26 16:20
　XMLとしては、＆＃65508;はコード0xFFE4と同じ扱いとなるので、出力されたXMLの文字参照を元に戻すプログラムを作成するほうが現実的です。
　少し難しいので、作っておきました。
Result result = new StreamResult(new File(outfile));
を
Result result = new StreamResult(new UnentityWriter(new FileOutputStream(outfile)));
にすると、途中に0xFFE4が出力されます。
コード:

    /**

     * 文字参照型を元のデータに変更して出力

     */

    public class UnentityWriter extends OutputStreamWriter {

        private boolean       m_entity;  // 文字参照解析中

        private StringBuilder m_entityBuffer;

        private OutputStream  m_ous;   // 元の出力



        public UnentityWriter(OutputStream ous) 

        {

            super(ous);

            m_ous = ous;

            m_entityBuffer = new StringBuilder();

        }

        public void write(int b) throws IOException

        {

            if (m_entity) {

                if (b==';') {

                    // 文字参照確定

                    m_entity = false;

                    // 文字参照を元に戻して出力

                    m_entityBuffer.append(';');

                    byte[] array = unentitySJIS(m_entityBuffer.toString());



                    m_entityBuffer = new StringBuilder();

                    super.flush();

                    m_ous.write(array);

                    m_ous.flush();

                }

                else m_entityBuffer.append(b);

            }

            else {

                if (b=='&') {

                    // 参照開始

                    m_entity = true;

                    m_entityBuffer = new StringBuilder();

                    m_entityBuffer.append('&');

                }

                else {

                    super.write(b);

                }

            }

        }

        public void write(char[] c, int off, int len) throws IOException

        {

            // 面倒なのでStringで呼び出す

            write(new String(c, off, len));

        }

        public void write(String str, int off, int len) throws IOException

        {

            if (m_entity) {

                // &直後の場合は#かを判定

                if (m_entityBuffer.length()==1) {

                    if (str.charAt(off)!='#') {

                        // 実体参照はそのまま出力

                        super.write('&');

                        m_entity = false;

                    }

                }

            }

            if (m_entity) {

                // 文字参照中なら;を探す。

                for (int i=0;i<len;i++) {

                    if (str.charAt(off+i)==';') {

                        // 文字参照確定

                        m_entity = false;

                        m_entityBuffer.append(str, off, i);

                        off += i+1;

                        len -= i+1;

                        // 文字参照を元に戻して出力

                        byte[] array = unentitySJIS(m_entityBuffer.toString());

                        super.flush();

                        m_entityBuffer = new StringBuilder();

                        m_ous.write(array);

                        m_ous.flush();

                    }

                    else m_entityBuffer.append(str.charAt(off+i));

                }

            }

            // ;が見つからなかった場合はbufferにいれたまま次を待つ

            if (m_entity) return;



            // 文字参照を抜けている場合

            for (int i=0;i<len;i++) {

                char c = str.charAt(off+i);

                if (c=='&') {

                    // 参照開始

                    m_entity = true;

                    m_entityBuffer.append('&');

                    // 面倒なので再帰呼び出しにする.

                    // StackOverflowになるほど&が出現することは想定してない

                    write(str, off+i+1, len-i-1);

                    return;

                }

                else {

                    super.write(c);

                }

            }

        }



        /**

         * 参照型の文字列が文字参照なら元に戻しSJIS文字として出力.

         * @param entity &#XXX;の文字列

         */

        private final byte[] unentitySJIS(String entity) throws IOException

        {

            try {

                if (entity.charAt(2)=='x') {

                    try {

                        int code = Integer.parseInt(entity.substring(3, entity.length()-1), 16);

                        // 元のデータにして返す.WindowsなのでLittle endian

                        byte[] retval = {(byte)(code & 0xFF), (byte)((code >> 8 ) & 0xFF)};

                        return(retval);

                    }

                    catch (Exception e) {

                        // 文字参照でないのでSJIS文字列にして返す

                        return(entity.getBytes("SJIS"));

                    }

                }

                else {

                    try {

                        int code = Integer.parseInt(entity.substring(2, entity.length()-1));

                        // 元の文字にして返す

                        // 元のデータにして返す.WindowsなのでLittle endian

                        byte[] retval = {(byte)(code & 0xFF), (byte)((code >> 8 ) & 0xFF)};

                        return(retval);

                    }

                    catch (Exception e) {

                        // 文字参照でないのでSJIS文字列にして返す

                        return(entity.getBytes("SJIS"));

                    }

                }

            }

            catch (UnsupportedEncodingException ue) {

throw new IOException(ue);

            }

        }

        public void flush() throws IOException

        {

            // 参照途中の文字列も確定

            String s = m_entityBuffer.toString();

            super.write(s, 0, s.length());

            super.flush();

        }

    }




[ メッセージ編集済み 編集者: だっちょ 編集日時 2007-04-26 17:53 ]
groovy_inoue
会議室デビュー日: 2005/05/18
投稿数: 9
お住まい・勤務地: 東京都
投稿日時: 2007-04-26 18:46
回答ありがとうございます。

変換後の手動変換は最悪の手立てとして考えていました。

あと、以下の手立て（これも事後変換）でも可能でしたが、問題でしょうか？
①現在、Shift_JIS指定しているところをUTF-8にする。（UTF-8で出力、この時点では当然化けませんが、Unicodeとなってしまいます。）
②そこで、出力String全体を、Cp943Cで再変換。（IBM WASのため）
③最後に、<?xml version="1.0" encoding="UTF-8"?>を<?xml version="1.0" encoding="Shift_JIS"?>に変換する。


いかがでしょうか？


コード:
TransformerFactory transFactory = TransformerFactory.newInstance();
Transformer transformer = transFactory.newTransformer();
transformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
transformer.setOutputProperty(OutputKeys.METHOD, "xml");
	
DOMSource source = new DOMSource(document);
StringWriter writer = new StringWriter();
transformer.transform(source, new StreamResult(writer));
	
strOutputString = new String((writer.toString()).getBytes(),"Cp943C");

// ここに<?xml version="1.0" encoding="Shift_JIS"?>に変換する処理を記載。

だっちょ
大ベテラン
会議室デビュー日: 2006/12/05
投稿数: 115
投稿日時: 2007-04-26 19:22
Unicodeで0xFFE4となる文字が、Shift_JISに変換されるときに0xFFE4でなくなると思いますが。
groovy_inoue
会議室デビュー日: 2005/05/18
投稿数: 9
お住まい・勤務地: 東京都
投稿日時: 2007-04-26 20:32
すみません。

言い忘れたのですが、DOMにセットする値を事前にCP943C→MS932の機種依存文字変換を実施しています。

ですので、
コード:
strOutputString = new String((writer.toString()).getBytes(),"Cp943C");

の後に、HEXダンプすると、0xFFE4になっており、最終的にファイル出力で(0xfa55)のバイトコード（HEXエディタ）を確認できました。
groovy_inoue
会議室デビュー日: 2005/05/18
投稿数: 9
お住まい・勤務地: 東京都
投稿日時: 2007-05-08 10:14
結局のところ、いい解決策が見つからず、現段階での最善策として
Shift_JISでのエンコードはやめ、UTF-8でのデフォルトエンコード
でXMLを生成し、XML宣言部のUTF-8を無理やりShift_JISに文字置換
を実施するにいたりました。

今回のシステムでは、他システム連携にＭＱ（IBMの製品）を使用
しているため、UTF-8で生成した文字列をＭＱへキューイングする
し、送信するときに、エンコード（Shift_JIS）されるため、アプ
リケーション側ではあくまでUnicodeのままとすることに収まりま
した。

回答いただいた方、どうもありがとうございました。


1

スキルアップ／キャリアアップ（JOB@IT）