在GAE上解析完全有效的XML时，“序言中不允许内容”

在过去的48个小时里，我一直对这个绝对令人毛骨悚然的bug感到震惊，所以我想我最终会把毛巾扔掉，尝试在这里问一下，然后再将笔记本电脑扔出窗户。

我正在尝试从对AWS SimpleDB的调用中解析响应XML。响应恢复正常。例如，它可能看起来像：

<?xml version="1.0" encoding="utf-8"?> 
<ListDomainsResponse xmlns="http://sdb.amazonaws.com/doc/2009-04-15/">
    <ListDomainsResult>
        <DomainName>Audio</DomainName>
        <DomainName>Course</DomainName>
        <DomainName>DocumentContents</DomainName>
        <DomainName>LectureSet</DomainName>
        <DomainName>MetaData</DomainName>
        <DomainName>Professors</DomainName>
        <DomainName>Tag</DomainName>
    </ListDomainsResult>
    <ResponseMetadata>
        <RequestId>42330b4a-e134-6aec-e62a-5869ac2b4575</RequestId>
        <BoxUsage>0.0000071759</BoxUsage>
    </ResponseMetadata>
</ListDomainsResponse>

我将此XML传递给解析器

XMLEventReader eventReader = xmlInputFactory.createXMLEventReader(response.getContent());

并打电话eventReader.nextEvent();多次以获得我想要的数据。

这是奇怪的部分-它在本地服务器中很好用。我解析了响应，每个人都很高兴。问题是，当我将代码部署到Google App Engine时，传出请求仍然有效，并且响应XML对我来说似乎100％相同且正确，但是响应无法解析，但出现以下异常：

com.amazonaws.http.HttpClient handleResponse: Unable to unmarshall response (ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.): <?xml version="1.0" encoding="utf-8"?> 
<ListDomainsResponse xmlns="http://sdb.amazonaws.com/doc/2009-04-15/"><ListDomainsResult><DomainName>Audio</DomainName><DomainName>Course</DomainName><DomainName>DocumentContents</DomainName><DomainName>LectureSet</DomainName><DomainName>MetaData</DomainName><DomainName>Professors</DomainName><DomainName>Tag</DomainName></ListDomainsResult><ResponseMetadata><RequestId>42330b4a-e134-6aec-e62a-5869ac2b4575</RequestId><BoxUsage>0.0000071759</BoxUsage></ResponseMetadata></ListDomainsResponse>
javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.
    at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(Unknown Source)
    at com.sun.xml.internal.stream.XMLEventReaderImpl.nextEvent(Unknown Source)
    at com.amazonaws.transform.StaxUnmarshallerContext.nextEvent(StaxUnmarshallerContext.java:153)
    ... (rest of lines omitted)

我有两次，三次，四次检查此XML中的“不可见字符”或非UTF8编码字符，等等。我在数组中逐字节查看了字节顺序标记或类似性质的东西。没有; 它通过了我可能会提出的所有验证测试。更奇怪的是，如果我也使用基于Saxon的解析器，则会发生这种情况-但仅在GAE上，它在我的本地环境中始终可以正常工作。

当我只能在运行良好的环境中运行调试器时，很难找到问题的代码（我还没有找到在GAE上进行远程调试的任何好方法）。尽管如此，使用我拥有的原始方法，我已经尝试了上百万种方法，包括：

• 有和没有序言的XML
• 有无换行符
• 在序言中是否包含“ encoding =“属性
• 两种换行样式
• HTTP流中是否存在分块信息

而且我已经尝试了多种方式中的大多数方式，在这些方式中它们会相互作用-没有任何作用！我机智的尽头。有没有人看到过这样的问题，希望可以对此有所启发？

谢谢！

XML和XSD（或DTD）中的编码不同。
XML文件头： <?xml version='1.0' encoding='utf-8'?>
XSD文件头：<?xml version='1.0' encoding='utf-16'?>

导致这种情况的另一种可能的情况是，在XML文档类型声明之前发生了任何事情。即您可能在缓冲区中有以下内容：

helloworld<?xml version="1.0" encoding="utf-8"?>  

甚至是空格或特殊字符。

缓冲区中可能有一些特殊的字符，称为字节顺序标记。在将缓冲区传递给解析器之前，请执行此操作...

String xml = "<?xml ...";
xml = xml.trim().replaceFirst("^([\\W]+)<","<");

此错误消息始终是由开始元素中的无效XML内容引起的。例如，多余的小点“。” 在XML元素的开头。

“ <?xml….” 之前的任何字符都将导致上述“ org.xml.sax.SAXParseException：序言中不允许内容 ”错误消息。

一个小点。“ 之前“<?xml….

要解决此问题，只需删除“<?xml“。之前的所有那些奇怪的字符。

参考：http : //www.mkyong.com/java/sax-error-content-is-not-allowed-in-prolog/

我面临着同样的问题。就我而言，XML文件是从c＃程序生成的，并被馈送到AS400中进行进一步处理。经过一番分析后，我确定在生成XML文件时正在使用UTF8编码，而javac（在AS400中）使用的是“无BOM的UTF8”。因此，不得不编写类似于下面提到的额外代码：

//create encoding with no BOM
Encoding outputEnc = new UTF8Encoding(false); 
//open file with encoding
TextWriter file = new StreamWriter(filePath, false, outputEnc);           

file.Write(doc.InnerXml);
file.Flush();
file.Close(); // save and close it

我在notepad ++中检查xml文件并保存该文件时遇到了问题，尽管我将utf-8 xml顶部标记为 <?xml version="1.0" encoding="utf-8"?>

通过将文件保存在notpad ++中并使用Encoding（Tab）> UTF-8中的Encode：selected（在UTF-8-BOM中为Encode）来解决

删除xml声明解决了它

<?xml version='1.0' encoding='utf-8'?>

在我的xml文件中，标题看起来像这样：

<?xml version="1.0" encoding="utf-16"? />

在一个测试文件中，我正在读取文件字节并以UTF-8格式解码数据（未意识到该文件的标头是utf-16）以创建字符串。

byte[] data = Files.readAllBytes(Paths.get(path));
String dataString = new String(data, "UTF-8");

当我尝试将此字符串反序列化为对象时，我看到了相同的错误：

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.

当我将第二行更新为

String dataString = new String(data, "UTF-16");

我能够反序列化该对象。因此，正如Romain上文所述，编码需要匹配。

我在xml文件中遇到了相同的问题，即“序言中不允许内容”。

解

最初，我的根文件夹是' ＃Filename '。

当我删除第一个字符“＃”时，错误得到解决。

无需删除#filename ...以这种方式尝试。

不要将File或URL对象传递给unmarshaller方法，而应使用FileInputStream。

File myFile = new File("........");
Object obj = unmarshaller.unmarshal(new FileInputStream(myFile));

意外的原因：#文件路径中的字符

由于某些内部错误，如果文件内容本身是100％正确，但您提供的文件名为，则错误也将出现在“序言中不允许出现内容”的错误C:\Data\#22\file.xml。

这也可能适用于其他特殊字符。

如何检查：如果将文件移到没有特殊字符的路径中并且错误消失了，那么就是这个问题。

我今天也收到了同样的错误消息。解决方案是将文档从带有BOM的UTF-8更改为不带有BOM的UTF-8

我有一个制表符而不是空格。替换选项卡'\ t'解决了该问题。

将整个文档剪切并粘贴到Notepad ++之类的编辑器中，并显示所有字符。

在我遇到的问题中，解决方案是用HTML等效项替换德国变音符号（äöü）...

以下是“ org.xml.sax.SAXParseException：序言中不允许内容”异常的原因。

1. 首先检查schema.xsd和file.xml的文件路径。
2. XML和XSD（或DTD）中的编码应该相同。
   XML文件头： <?xml version='1.0' encoding='utf-8'?>
   XSD文件头：<?xml version='1.0' encoding='utf-8'?>
3. 如果XML文档类型声明之前有任何内容，即： hello<?xml version='1.0' encoding='utf-16'?>

本着“只删除<？xml之前的所有那些奇怪的字符”的精神，这是我的Java代码，该代码与通过BufferedReader进行的输入配合得很好：

    BufferedReader test = new BufferedReader(new InputStreamReader(fisTest));
    test.mark(4);
    while (true) {
        int earlyChar = test.read();
        System.out.println(earlyChar);
        if (earlyChar == 60) {
            test.reset();
            break;
        } else {
            test.mark(4);
        }
    }

FWIW，我看到的字节是（十进制）：239、187、191。