版权声明：转载时请务必保留以下作者信息和链接
作者：陈维（chenweionline@hotmail.com）作者的网站：http://www.chenwei.mobi
这两天操作XML使用到了Jdom，在创建XML文件并输出到硬盘的时候遇到一个中文编码的问题：Jdom默认输出的XML编码是UTF-8，但是文档中如果出现中文字符那么该中文字符就会变成乱码，造成XML文件无法被正确解析。
UTF -8应该是可以用来表示中文的吧？我不知道这是不是Jdom的一个BUG（Jdom 1.0，beta了10次的产物哦！）。我google了一下，大家解决这个问题的办法无非是把Jdom的输出字符集改为GBK或者GB2312，但是这样就会有一些副作用，如果在没有特定字符集（GBK或者GB2312）的操作系统上不是依然不能正确解析吗？一个比较好的解决办法是先把中文转换成 Unicode编码在直接输出，程序解析XML后的时候再把Unicode编码转回中文就没有问题了。
于是我查看了JDK的文档， 截至Java 5好像都没有做类似转换的类可以直接使用，但是我发现一个类 java.util.Properties，它的源代码里有两个私有（private）方法 loadConvert (char[] in, int off, int len, char[] convtBuf) 和 saveConvert(String theString, boolean escapeSpace) 其实就是做特殊字符和Unicode编码字符间转换的，我把它们提取出来，单独包装到一个类里就可以使用了。
下面是我包装的类 CharacterSetToolkit.java，若你在项目中使用请不要改变package及author等作者信息。
/**//*
* CharacterSetToolkit.java * * Created on 2007年5月17日, 上午11:04 * * To change this template, choose Tools | Template Manager * and open the template in the editor.
*/
package mobi.chenwei.wing.util;/** *//** * 进行字符操作的工具类。 * @author Chen Wei * @website www.chenwei.mobi * @email chenweionline@hotmail.com */public class CharacterSetToolkit ...{ 
/** *//** Creates a new instance of CharacterSetToolkit */ public CharacterSetToolkit() ...{
} private static final char[] hexDigit = ...{ '0','1','2','3','4','5','6','7','8','9','A','B','C','D','E','F' }; private static char toHex(int nibble) ...{ return hexDigit[(nibble & 0xF)]; } /** *//** * 将字符串编码成 Unicode 。 * @param theString 待转换成Unicode编码的字符串。 * @param escapeSpace 是否忽略空格。 * @return 返回转换后Unicode编码的字符串。 */ public static String toUnicode(String theString, boolean escapeSpace) ...{ int len = theString.length(); int bufLen = len * 2; if (bufLen < 0) ...{ bufLen = Integer.MAX_VALUE; } StringBuffer outBuffer = new StringBuffer(bufLen); for(int x=0; x<len; x++) ...{ char aChar = theString.charAt(x); // Handle common case first, selecting largest block that // avoids the specials below if ((aChar > 61) && (aChar < 127)) ...{ if (aChar == '/') ...{ outBuffer.append('/'); outBuffer.append('/'); continue; } outBuffer.append(aChar); continue; } switch(aChar) ...{ case ' ': if (x == 0 || escapeSpace) outBuffer.append('/'); outBuffer.append(' '); break; case ' ':outBuffer.append('/'); outBuffer.append('t'); break; case ' ':outBuffer.append('/'); outBuffer.append('n'); break; case ' ':outBuffer.append('/'); outBuffer.append('r'); break; case ' ':outBuffer.append('/'); outBuffer.append('f'); break; case '=': // Fall through case ':': // Fall through case '#': // Fall through case '!': outBuffer.append('/'); outBuffer.append(aChar); break; default: if ((aChar < 0x0020) || (aChar > 0x007e)) ...{ outBuffer.append('/'); outBuffer.append('u'); outBuffer.append(toHex((aChar >> 12) & 0xF)); outBuffer.append(toHex((aChar >> 8) & 0xF)); outBuffer.append(toHex((aChar >> 4) & 0xF)); outBuffer.append(toHex( aChar & 0xF)); } else ...{ outBuffer.append(aChar); } } } return outBuffer.toString(); } /** *//** * 从 Unicode 码转换成编码前的特殊字符串。 * @param in Unicode编码的字符数组。 * @param off 转换的起始偏移量。 * @param len 转换的字符长度。 * @param convtBuf 转换的缓存字符数组。 * @return 完成转换，返回编码前的特殊字符串。 */ public String fromUnicode(char[] in, int off, int len, char[] convtBuf) ...{ if (convtBuf.length < len) ...{ int newLen = len * 2; if (newLen < 0) ...{ newLen = Integer.MAX_VALUE; } convtBuf = new char[newLen]; } char aChar; char[] out = convtBuf; int outLen = 0; int end = off + len; while (off < end) ...{ aChar = in[off++]; if (aChar == '/') ...{ aChar = in[off++]; if (aChar == 'u') ...{ // Read the xxxx int value = 0; for (int i = 0; i < 4; i++) ...{ aChar = in[off++]; switch (aChar) ...