112

我有两个用 Java 编写的应用程序，它们通过网络使用 XML 消息相互通信。我在接收端使用 SAX 解析器从消息中取回数据。要求之一是在 XML 消息中嵌入二进制数据，但 SAX 不喜欢这样。有谁知道如何做到这一点？

更新：我从apache commons codec library得到了这个使用Base64类，以防其他人尝试类似的东西。

4

12 回答 12

225

您可以使用 base64 对二进制数据进行编码并将其放入 Base64 元素中；下面的文章是关于这个主题的一篇很好的文章。

处理 XML 文档中的二进制数据

于 2008-08-21T13:37:58.600 回答
216

XML是如此多才多艺......

<DATA>
  <BINARY>
    <BIT index="0">0</BIT>
    <BIT index="1">0</BIT>
    <BIT index="2">1</BIT>
    ...
    <BIT index="n">1</BIT>
  </BINARY>
</DATA>

XML 就像暴力一样——如果它不能解决您的问题，那么您就没有充分利用它。

编辑：

顺便说一句：Base64 + CDATA 可能是最好的解决方案

（EDIT2：
无论谁升级我，也请升级真正的答案。我们不希望任何可怜的灵魂来到这里并实际实施我的方法，因为它是 SO 上排名最高的，对吗？）

于 2008-08-21T13:46:32.620 回答
28

Base64 确实是正确的答案，但 CDATA 不是，这基本上是在说：“这可能是任何东西”，但它不能只是任何东西，它必须是 Base64 编码的二进制数据。XML Schema 将Base 64 二进制定义为可以在 xsd 中使用的原始数据类型。

于 2008-08-21T17:44:17.730 回答
15

我上周刚遇到这个问题。我必须序列化一个 PDF 文件并将其在 XML 文件中发送到服务器。

如果您使用的是 .NET，则可以将二进制文件直接转换为 base64 字符串并将其粘贴到 XML 元素中。

string base64 = Convert.ToBase64String(File.ReadAllBytes(fileName));

或者，在 XmlWriter 对象中内置了一个方法。在我的特殊情况下，我必须包含 Microsoft 的数据类型命名空间：

StringBuilder sb = new StringBuilder();
System.Xml.XmlWriter xw = XmlWriter.Create(sb);
xw.WriteStartElement("doc");
xw.WriteStartElement("serialized_binary");
xw.WriteAttributeString("types", "dt", "urn:schemas-microsoft-com:datatypes", "bin.base64");
byte[] b = File.ReadAllBytes(fileName);
xw.WriteBase64(b, 0, b.Length);
xw.WriteEndElement();
xw.WriteEndElement();
string abc = sb.ToString();

字符串 abc 看起来像这样：

<?xml version="1.0" encoding="utf-16"?>
<doc>
    <serialized_binary types:dt="bin.base64" xmlns:types="urn:schemas-microsoft-com:datatypes">
        JVBERi0xLjMKJaqrrK0KNCAwIG9iago8PCAvVHlwZSAvSW5mbw...(plus lots more)
    </serialized_binary>
</doc>
于 2010-08-03T21:35:11.657 回答
6

我通常使用MIME Base64或URL encoding对二进制数据进行编码。

于 2008-08-21T13:38:36.773 回答
5

尝试 Base64 编码/解码您的二进制数据。还要查看 CDATA 部分

于 2008-08-21T13:37:52.580 回答
4

也许将它们编码成一个已知的集合——比如 base 64 是一种流行的选择。

于 2008-08-21T13:37:19.727 回答
4

任何二进制到文本的编码都可以解决问题。我使用类似的东西

<data encoding="yEnc>
<![CDATA[ encoded binary data ]]>
</data>
于 2010-07-01T08:31:40.913 回答
4

虽然其他答案大多都很好，但您可以尝试另一种更节省空间的编码方法，如 yEnc。（yEnc 维基百科链接）使用 yEnc 还可以“开箱即用”地获得校验和功能。阅读下面的链接。当然，因为 XML 没有原生 yEnc 类型，所以您的 XML 模式应该更新以正确描述编码节点。

为什么：由于编码策略 base64/63，uuencode 等。编码将您需要存储和传输的数据量（开销）增加了大约 40%（与 yEnc 的 1-2% 相比）。根据您编码的内容，40% 的开销可能/成为问题。

yEnc - 维基百科摘要： https: //en.wikipedia.org/wiki/YEnc yEnc 是一种二进制到文本的编码方案，用于在 Usenet 或通过电子邮件的消息中传输二进制文件。... 与以前的编码方法（例如 uuencode 和 Base64）相比，yEnc 的另一个优势是包含 CRC 校验和，以验证解码后的文件是否已完整交付。‎</p>

于 2012-02-17T10:01:12.987 回答
4

Base64 开销为 33%。

XML1.0的BaseXML开销仅为 20%。但它不是一个标准，只有一个 C 实现。如果您担心数据大小，请查看它。请注意，但是浏览器倾向于实现压缩，因此不需要它。

我在此线程中讨论后开发了它：在 XML 中编码二进制数据：base64 的替代品。

于 2013-07-04T22:32:21.100 回答
2

您还可以对原始二进制数据进行Uuencode 。这种格式有点旧，但它与 base63 编码的作用相同。

于 2008-08-31T16:52:05.217 回答
0

如果您可以控制 XML 格式，则应该彻底解决问题。与其附加二进制 XML，不如考虑如何封装一个包含多个部分的文档，其中一个部分包含 XML。

对此的传统解决方案是存档（例如 tar）。但是，如果您想以基于文本的格式保存您的附件文档，或者如果您无法访问文件归档库，那么还有一个在电子邮件和 HTTP 中大量使用的标准化方案，它是multipart/* MIME与内容传输编码：二进制。

例如，如果您的服务器通过 HTTP 进行通信，并且您想要发送一个多部分文档，主要是一个 XML 文档，它引用二进制数据，那么 HTTP 通信可能看起来像这样：

POST / HTTP/1.1
Content-Type: multipart/related; boundary="qd43hdi34udh34id344"
... other headers elided ...

--qd43hdi34udh34id344
Content-Type: application/xml

<myxml>
    <data href="cid:data.bin"/>
</myxml>
--qd43hdi34udh34id344
Content-Id: <data.bin>
Content-type: application/octet-stream
Content-Transfer-Encoding: binary

... binary data ...
--qd43hdi34udh34id344--

如上例所示，XML 通过使用作为cidContent-Id 标头标识符的 URI 方案来引用封闭多部分中的二进制数据。该方案的开销只是 MIME 标头。类似的方案也可用于 HTTP 响应。当然，在 HTTP 协议中，您还可以选择将多部分文档发送到单独的请求/响应中。

如果要避免将数据包装在多部分中，请使用数据 URI：

<myxml>
    <data href="data:application/something;charset=utf-8;base64,dGVzdGRhdGE="/>
</myxml>

但这有 base64 开销。

于 2014-12-10T08:42:35.403 回答