如何将数据库的Clob或Blob字段中的XML解析出来

应先用clob.getCharacterStream()获取Reader，再包装为InputSource传给XML解析器，避免大XML一次性加载至内存。

Java 中用 JDBC 读取 CLOB 字段并解析 XML

Oracle/DB2/PostgreSQL 等数据库的 CLOB 字段存的是字符型大对象，本质是字符串。直接用 ResultSet.getClob() 拿到的是 Clob 对象，不能直接丢给 DocumentBuilder 解析；必须先转成 String 或 InputStream。

• 推荐用 clob.getCharacterStream() 获取 Reader，再包装成 InputSource 传给解析器，避免一次性加载整个大 XML 到内存
• 若 XML 很小（clob.getSubString(1, (int) clob.length()) 转成 String，再用 new InputSource(new StringReader(xmlStr))
• 注意字符编码：数据库 CLOB 默认编码通常与连接 URL 的 characterEncoding 一致（如 useUnicode=true&characterEncoding=UTF-8），不匹配会导致乱码或解析失败

Connection conn = dataSource.getConnection();
PreparedStatement ps = conn.prepareStatement("SELECT config_xml FROM app_config WHERE id = ?");
ps.setLong(1, 123);
ResultSet rs = ps.executeQuery();
if (rs.next()) {
    Clob clob = rs.getClob("config_xml");
    if (clob != null) {
        DocumentBuilder builder = DocumentBuilderFactory.newInstance().newDocumentBuilder();
        Document doc = builder.parse(new InputSource(clob.getCharacterStream()));
        // 后续 XPath 或 getElementsByTagName...
    }
}

Java 中处理 BLOB 字段里的 XML（较少见但存在）

BLOB 存的是二进制数据，如果里面实际是 UTF-8 编码的 XML 字节流，就不能当图片或 PDF 处理——得按文本语义还原。常见错误是直接调用 blob.getBytes() 后硬转 new String(bytes)，忽略编码声明和 BOM。

• 优先用 blob.getBinaryStream() 获取 InputStream，再用 InputStreamReader 指定 UTF-8 构造 InputSource
• XML 文件开头若有 ，而你用 UTF-8 解码，会解析失败；此时应先读前几百字节检测 encoding 声明，再动态选择解码方式
• 某些旧系统把 XML 当二进制写入 BLOB，但没写 encoding 声明，默认按平台编码（如 Windows-1252）存，这时需确认历史约定

if (rs.next()) {
    Blob blob = rs.getBlob("xml_data");
    if (blob != null) {
        InputStream is = blob.getBinaryStream();
        Reader reader = new InputStreamReader(is, StandardCharsets.UTF_8);
        InputSource source = new InputSource(reader);
        Document doc = builder.parse(source); // 注意：parse() 会关闭 reader
    }
}

MyBatis 中自动映射 CLOB/BLOB 为 String 再解析

MyBatis 默认对 CLOB 返回 String，对 BLOB 返回 byte[]，但需配置类型处理器或确保字段类型匹配。若 XML 过长导致 String 映射失败（如 Oracle 驱动版本低），要显式指定 jdbcType=VARCHAR 或 jdbcType=CLOB。

Pika

Pika.art是一个AI驱动的多样化风格视频创作平台

下载

• Mapper XML 中写：
• 实体类字段用 String xmlContent 即可，MyBatis 3.4+ 自动处理 CLOB → String
• 若字段实际是 BLOB 且含 XML，建议在 DAO 层手动转：new String(blobBytes, StandardCharsets.UTF_8)，不要依赖 MyBatis 自动转换
• Spring Boot + MyBatis-Plus 用户注意：@TableField(typeHandler = StringTypeHandler.class) 可强制走字符串处理器

解析时遇到 “Content is not allowed in prolog” 错误

这是 SAX 解析器最典型的报错，说明 XML 流开头有非法字符——90% 是 BOM（Byte Order Mark）或不可见控制符（如 \u0000、\u200B）混在了 之前。

• 用十六进制查看原始字节流：Linux 下 xxd -g1，Windows 用 HxD，确认前几个字节是不是 EF BB BF（UTF-8 BOM）
• 过滤 BOM 的安全做法：读取 InputStream 后，先跳过 BOM 字节再构造 InputStreamReader
• 数据库导出时若用了 TO_CLOB() 或拼接函数，可能意外引入空格或换行，查 SQL 本身是否干净
• 别用 String.trim()——它只去首尾空白，不去 BOM

public static InputStream skipUtf8Bom(InputStream is) throws IOException {
    PushbackInputStream pbis = new PushbackInputStream(is, 3);
    int b1 = pbis.read();
    int b2 = pbis.read();
    int b3 = pbis.read();
    if (b1 == 0xEF && b2 == 0xBB && b3 == 0xBF) {
        return pbis; // 已经读掉 3 字节 BOM
    } else {
        pbis.unread(b3);
        pbis.unread(b2);
        pbis.unread(b1);
        return pbis;
    }
}