支持以BOM标记开头的UTF-8 XML

Question

解析以BOM字节顺序标记字符开头的UTF-8编码文件将是个不错的选择，因为它将更好地支持野外的XML。

目前，我遇到的几个XML文件抛出“在prolog中不允许内容”异常
http://stackoverflow.com/questions/4569123/content-is-not-allowed-in-prolog-saxparserexception

Answer 1

评论者：bendlas

根据您在stackoverflow上的链接，这似乎与几个Java漏洞有关，这些漏洞被标记为wontfix，因为这涉及到现有工具的期望，并且票据中的推荐是应用程序自己处理BOM。

由于data.xml承诺从原始字节处理xml（因为它接受InputStreams），有选择权：要么放弃InputStream接口，并要求用户传递正确处理其输入的Readers（例如，https://commons.apache.org/proper/commons-io/javadocs/api-2.2/org/apache/commons/io/input/XmlStreamReader.html）或使用可执行此操作的Reader实现，当从流创建输入源时。

为了避免维护困难，有移除基于字节接口的诱惑，但是我愿意听取关于为什么data.xml应该处理这个问题的论点。

Answer 2

评论者：featheredtoast

这更多是一个建议 - 在了解了一些输入和输入流的知识之后，我可以理解为什么这可能超出范围。

我天真地认为通过clojure.java.io/reader处理输入可以正确解析XML文件，因为我直到遇到异常时才知道BOM问题。即使与BOM相关的JVM修复会破坏兼容性从而被拒绝，但如果一个底层的解析库能处理输入和#pragma removing BOM，那也会很有帮助。

至少考虑为那些不熟悉Java XML解析的人添加一个推荐读者列表。对于像我这样不熟悉BOM、读取器和XML的开发者来说，难以预见这类问题，尤其是在相同文件在其他语言中通过验证时。

Answer 3

评论者：bendlas

我只是暂时留下这些，当在文档中/更改此内容时，它可能是一个不错的参考：https://github.com/jimpil/clj-bom

Answer 4

参考： https://clojure.atlassian.net/browse/DXML-45 (由 alex+import 报告)