Explicación del error JAXB: bytes no válida 1 de 1 byte secuencia de codificación UTF-8

Question

Estamos analizar un documento XML utilizando JAXB y obtiene este error:

[org.xml.sax.SAXParseException: Invalid byte 1 of 1-byte UTF-8 sequence.] 
at javax.xml.bind.helpers.AbstractUnmarshallerImpl.createUnmarshalException(AbstractUnmarshallerImpl.java:315) 

Qué significa exactamente y cómo podemos resolver ¿¿esta??

Estamos ejecutando el código como:

jaxbContext = JAXBContext.newInstance(Results.class); 
Unmarshaller unmarshaller = jaxbContext.createUnmarshaller(); 
unmarshaller.setSchema(getSchema()); 
results = (Results) unmarshaller.unmarshal(new FileInputStream(inputFile)); 

---

actualización

cuestión parece ser debido a este carácter "divertido" en el archivo XML: ¿

Por qué ¿Esto causaría tal problema?

Actualización 2

Hay dos de esos caracteres extraños en el archivo. Están alrededor del medio del archivo. Tenga en cuenta que el archivo se crea sobre la base de datos en una base de datos y esos personajes extraños de alguna manera se metieron en la base de datos.

Actualización 3

Aquí es el fragmento de XML completo:

<Description><![CDATA[Mt. Belvieu ¿ Texas]]></Description> 

Update 4

Tenga en cuenta que no hay <?xml ...?> cabecera.

La HEX para el carácter especial es BF

Answer 1

Por lo tanto, un problema es que JAXB trata los archivos XML sin <?xml ...?> cabecera como UTF-8, cuando el archivo utiliza alguna otra codificación (probablemente ISO-8859-1 o Windows-1252, si 0xBF carácter realmente quiere significar ¿) .

Si puede cambiar el productor del archivo, puede agregar el encabezado <?xml ...?> con la especificación de codificación real, o simplemente use UTF-8 para escribir un archivo.

Si no puede cambiar el productor, usted tiene que utilizar InputStreamReader con especificación de codificación explícita, ya que (por desgracia) JAXB no permiten cambiar su codificación por defecto:

results = (Results) unmarshaller.unmarshal(
    new InputStreamReader(new FileInputStream(inputFile), "ISO-8859-1")); 

Sin embargo, esta solución es frágil: falla en los archivos de entrada con el encabezado <?xml ...?> con diferentes especificaciones de codificación.

Answer 2

Eso es probablemente una Byte Order Mark (BOM), y es una secuencia de bytes especial al comienzo de un archivo UTF. Ellos son, francamente, un dolor en el trasero, y parecen particularmente comunes cuando se interactúa con sistemas .net.

Intente reformular el código para utilizar un Reader en lugar de un InputStream:

results = (Results) unmarshaller.unmarshal(new FileReader(inputFile)); 

Un Reader es UTF-consciente, y podría hacer una mejor puñalada en ella. Más simplemente, pasar el File directamente a la Unmarshaller, y dejar que el JAXBContext preocupación al respecto:

results = (Results) unmarshaller.unmarshal(inputFile); 

Answer 3

Suena como si el código XML está codificado con UTF-16, pero que la codificación no está siendo pasado a la Unmarshaller. Con el Marshaller puede configurarlo usando marshaller.setProperty(Marshaller.JAXB_ENCODING, "UTF-16");, pero debido a que el Unmarshaller no es necesario para admitir ninguna propiedad, no estoy seguro de cómo hacer eso, salvo asegurar que su documento XML tenga encoding="UTF-16" en el elemento inicial <?xml?>.