過濾XML檔案中的無效字元

阿新 • • 發佈：2019-01-17

按：

軟體還是得測試啊~這不，測出XML中的無效字元0xffee了，結果導致無法解析XML，程式崩潰……

新浪微博，你是如何儲存亂碼又用顯示的啊？？？

找了半天，終於找到java下的一個解決方案，很容易轉成C#。

最近在處理XML檔案時遇到一個問題，即由於自己寫程式生成的XML檔案中包含了一些不可見的無效字元，導致JDom在解析該檔案是丟擲異常。

這裡的無效字元不是指<,>等不能出現在XML檔案的標籤以外的字元，也不是由於編碼問題引起的亂碼，而是一些超出XML合法字元範圍的不可見字元。查了一下W3C中對XML 1.0的定義[1]，其Unicode的合法字元範圍是：

/* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

為了保證常用XML解析工具能將自己生成的XML檔案成功解析，就需要先將檔案中的無效字元過濾掉，或在生成XML檔案時就對字元的有效性進行判斷，拋棄無效字元。

下面是我在網上看到的一種使用Java來過濾XML非法字元的方法[2]：

/**
* This method ensures that the output String has only valid XML unicode
* characters as specified by the XML 1.0 standard. For reference, please

* see <a href="http://www.w3.org/TR/2000/REC-xml-20001006#NT-Char">the
* standard</a>. This method will return an empty String if the input is
* null or empty.
*
* @param in
* The String whose non-valid characters we want to remove.
* @return The in String, stripped of non-valid characters.
*/
public

static String stripNonValidXMLCharacters(String in) {
    StringBuffer out = new StringBuffer(); // Used to hold the output.
    char current; // Used to reference the current character.

    if (in == null || ("".equals(in)))
        return ""; // vacancy test.
    for (int i = 0; i < in.length(); i++) {
        current = in.charAt(i); // NOTE: No IndexOutOfBoundsException caught
                                // here; it should not happen.
        if ((current == 0x9) || (current == 0xA) || (current == 0xD)
                || ((current >= 0x20) && (current <= 0xD7FF))
                || ((current >= 0xE000) && (current <= 0xFFFD))
                || ((current >= 0x10000) && (current <= 0x10FFFF)))
            out.append(current);
    }
    return out.toString();
}

實際上就是將字串中的每個字元進行有效性判斷，再將有效字元重新構建成一個新的字串返回。

其實，使用一些XML工具包來生成XML 檔案一般都能避免寫入無效字元，不過靈活性上就不如自己用程式生成了。

另外，一直讓我困惑的是，我所見到的XML工具包都是先將所有資料在記憶體中生成整個DOM物件，再全部寫入檔案，讀取時也是先將整個XML檔案讀入記憶體，生成DOM物件，再進行解析。但是如果XML檔案很大，記憶體裝不下的話，這種方法豈不是不能用了？

不知是否是因為我孤陋寡聞，沒有找到好的工具，還是由於XML本來就被設計為用來儲存便於網路傳輸的少量資料的，因而沒有考慮大檔案的解析方法。

參考資料：
[1] http://www.w3.org/TR/2000/REC-xml-20001006
[2] http://cse-mjmcl.cse.bris.ac.uk/blog/2007/02/14/1171465494443.html

過濾XML檔案中的無效字元

過濾XML檔案中的無效字元

xml檔案中特殊字元轉義

XML檔案中不允許出現的字元

解析XML檔案時,無效的XML 字元 (Unicode: 0x7)異常處理

linux統計一個檔案中特定字元的個數

mybatis xml檔案中的大於、小於、及like模糊查詢的寫法

mybatis學習筆記之——mybatis的Mapper XML檔案中select元素

mybatis學習筆記之——mybatis的Mapper XML檔案中resultMap屬性

Mybatis的mapper.xml檔案中插入資料返回自增主鍵

Java:使用DOM4j來實現讀寫XML檔案中的屬性和元素

MyBatis xml檔案中的大於、小於等符號寫法

Mybatis學習總結三之簡化sql對映xml檔案中的引用及解決欄位名與實體類屬性名不相同的衝突

ssm中xml檔案中自動提示

android開發時，xml檔案中總是提示某一個錯誤，修改後仍然提示。

將資料庫查詢資料封裝到XML檔案中，進行格式化處理，並進行加密操作，和解密操作

idea中applicationContext-dao.xml檔案中Cannot resolve file***** :spring xml model validation問題

boost::filesystem獲取目錄下的所有.xml檔名，並批量更改.xml檔案中的內容。

當在寫android的xml檔案中出現Unexpected text found in layout file: """的解決辦法

mybaitis 的 mapper.xml 檔案中引數為List集合SQL 的寫法。

tomcat 設定server.xml檔案中的UrIEncoding編碼

過濾XML檔案中的無效字元

相關推薦