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。
<note>
<to>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!test☠ä</body>
</note>