1

请注意，这与上面提到的问题不同，因为 XML 转义以保留代码点是可能的。

我有一个 UTF-8 XML 文件，我可以通过 HTTP 将它发送到我无法控制的其他系统。不管出于什么疯狂的原因，它决定将其转换为 ISO-8859-1 丢失许多 Unicode 字符并用“？”替换它们。然后，该系统将这个转换后的 XML 文档发送给其他人。

如何在发送端的 Java 中转义任何带有非 ASCII 代码点的任意 XML，以便它们在这个中间系统中存在并且仍然可以被端点正确解码？

A --(UTF-8)--> B --(ISO-8859-1)--> C（解码为内部 Unicode 表示）。

import java.text.Normalizer;
import java.text.Normalizer.Form;

import org.apache.commons.lang3.StringEscapeUtils;
import org.apache.commons.lang3.text.translate.CharSequenceTranslator;
import org.apache.commons.lang3.text.translate.NumericEntityEscaper;

public class Test {
    private static CharSequenceTranslator translator = StringEscapeUtils.ESCAPE_XML
            .with(NumericEntityEscaper.between(0x7f, Integer.MAX_VALUE));

    public static void main(String[] args) {
        String s = "<note>\n<to>Tove</to>\n<from>Jani</from>\n<heading>Reminder</heading>\n<body>Don't forget me this weekend!test☠ä</body>\n</note>";
        String xmlEscapedS = xmlToRobustXml(s);
        System.out.println(xmlEscapedS);
    }

    /**
     * @param s
     * @return
     */
    public static String xmlToRobustXml(String s) {
        s = Normalizer.normalize(s, Form.NFC);
        String xmlEscapedS = translator.translate(s);
        return xmlEscapedS;
    }
}

我试过这个，但它逃脱了一切。

&lt;note&gt;
&lt;to&gt;Tove&lt;/to&gt;
&lt;from&gt;Jani&lt;/from&gt;
&lt;heading&gt;Reminder&lt;/heading&gt;
&lt;body&gt;Don&apos;t forget me this weekend!test&#9760;&#228;&lt;/body&gt;
&lt;/note&gt;
4

2 回答 2

2

以下是生成 ISO-8859-1 编码文档的三种标准 API 方法。

使用StAX API：

// output stream
ByteArrayOutputStream buffer = new ByteArrayOutputStream();
// transcode
StringReader xml = new StringReader("<x>pi: \u03A0</x>");
XMLEventReader reader = XMLInputFactory.newFactory().createXMLEventReader(
    xml);
XMLEventWriter writer = XMLOutputFactory.newFactory().createXMLEventWriter(
    buffer, "ISO-8859-1");
try {
  writer.add(reader);
} finally {
  writer.close();
}
// proof
String decoded = new String(buffer.toByteArray(),
    Charset.forName("ISO-8859-1"));
System.out.println(decoded);

使用DOM API：

// output stream
ByteArrayOutputStream buffer = new ByteArrayOutputStream();
// create XML DOM
InputSource src = new InputSource(new StringReader("<x>pi: \u03A0</x>"));
Document doc = DocumentBuilderFactory.newInstance()
    .newDocumentBuilder()
    .parse(src);
// serialize
DOMImplementationLS impl = (DOMImplementationLS) doc.getImplementation();
LSOutput out = impl.createLSOutput();
out.setEncoding("ISO-8859-1");
out.setByteStream(buffer);
impl.createLSSerializer().write(doc, out);
// proof
String decoded = new String(buffer.toByteArray(),
    Charset.forName("ISO-8859-1"));
System.out.println(decoded);

使用转换包：

// output stream
ByteArrayOutputStream buffer = new ByteArrayOutputStream();
// transformation
StreamSource src = new StreamSource(new StringReader("<x>pi: \u03A0</x>"));
StreamResult res = new StreamResult(buffer);
Transformer transformer = TransformerFactory.newInstance().newTransformer();
transformer.setOutputProperty(OutputKeys.ENCODING, "ISO-8859-1");
transformer.transform(src, res);
// proof
String decoded = new String(buffer.toByteArray(),
    Charset.forName("ISO-8859-1"));
System.out.println(decoded);

您将使用哪个取决于您的用例；StAX API 可能是最有效的。

所有这些示例代码将发出等同于以下内容的文档：

<?xml version="1.0"?><x>pi: &#x3a0;</x>
于 2013-05-22T22:01:04.293 回答
0

高于 127 的 Unicode 代码点可以编码为数字实体&#123;，如下所示：

来自 Apache commons StringEscapeUtils。阅读 javadoc，默认情况下escapeXML不会转换为数字实体。

StringEscapeUtils.ESCAPE_XML
    .with(NumericEntityEscaper.between(0x7f, Integer.MAX_VALUE));

顺便说一句，您还尝试使用 header 发送原始 XML Content-Type: application/x-xml，以便进行二进制传输。

于 2013-05-22T21:23:02.480 回答