xml-parsing - 使用 XML1.1 解析 unicode 字符（0x2）

Question

在我的 Java 应用程序中，我需要解析包含0x2CDATA 中的控制字符的 XML 文档。

我尝试了几种方法，但无法通过。我想避免任何形式的编码。

XML1.1有什么办法吗？

Answer 1

我需要在 CDATA 中解析包含控制字符 0x2 的 xml

那不是XML。任何地方的原始控制字符 U+0002 意味着它的格式不正确，因此不是 XML 文档。

仅在 XML 1.1 中，可以包含编码为字符引用的控制字符。因此，您可能已尝试通过在解析之前进行字符串\x02替换来修复它。但是，您不能将字符引用放在 CDATA 部分中，所以这也行不通。

编辑：如果您绝对确定每个杂散的 U+0002 字符都在 CDATA 部分内，则可以在短期内修复它，方法是将每个字符替换为：

]]>&#2;<![CDATA[

然而，这是超级shonky。首先需要修复生成错误 XML 的任何内容。去踢负责创建它的人！

Answer 2

XML cannt contain ASCII control characters (apart from TAB, CR and LF), not even inside a CDATA section. They are disallowed by the XML spec.

Encode binary data into Base64 strings and write them to XML. No need for CDATA in this case.