java - 使用 SAX 解析 XML | 如何处理特殊字符？

Question

我们有一个 JAVA 应用程序，它从 SAP 中提取数据，对其进行解析并呈现给用户。使用 JCO 连接器提取数据。

最近我们被抛出了一个异常：

org.xml.sax.SAXParseException: Character reference "&#00" is an invalid XML character.

因此，我们计划编写一个新的间接级别，在解析 XML 之前替换所有特殊/非法字符。

我的问题是：

1. 是否有任何现有的（开源）实用程序可以完成替换 XML 中的非法字符的工作？
2. 或者如果我必须编写这样的实用程序，我应该如何处理它们？
3. 为什么会抛出上述异常？

谢谢你。

Answer 1

从我的角度来看，源（SAP）应该进行替换。否则，它传输到您的程序的内容可能看起来像 XML，但不是。

虽然用 '&' 替换 '&' 可以通过简单的 String.replaceAll(...) 到字符串 from to toXML() 调用来完成，但其他字符可能更难替换（'<' 和 '>'举个例子）。

关于纪尧姆

Answer 2

这听起来像是他们逃跑的错误。根据上下文，您最好只编写自己版本的使用真正 XML 库的 XMLWriter 类，而不是像 SAP 开发人员那样尝试编写自己的 XML 实用程序。

或者，查看字符代码 �，您也许可以将其全部替换为空字符串：

String goodXml = badXml.replaceAll("�", "");

Answer 3

您可以使用 Apache Commons Lang 类 StringEscapeUtils escapeXML 方法对 XML 中的非 ASCII 字符进行编码/解码。看：

http://commons.apache.org/lang/api-2.4/index.html

要了解 XML 字符引用的工作原理，请在 wikipedia 上搜索“数字字符引用”。

Answer 4

我有一个相关但相反的问题，我试图将字符 1 插入到 XSLT 转换的输出中。我考虑过用零替换标记的后处理，但选择使用 xsl:param。

如果我遇到你的情况，我会想出一个定制的编码，替换 XML 中无效的字符，并在你的解析中将它们作为特殊情况处理，或者如果可能的话，用空格替换它们。

我没有使用 JCO 的经验，因此无法就如何或在何处替换无效字符提出建议。