Найден недопустимый символ XML (Unicode: 0xc)

синтаксический анализ XML-файла с помощью анализатора Java DOM приводит к:

[Fatal Error] os__flag_8c.xml:103:135: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
org.xml.sax.SAXParseException: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)
    at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)
    at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)
33
dom java xml xml-parsing

8 ответов

есть несколько символов, которые запрещены в XML-документах, даже если вы инкапсулируете данные в CDATA-блоки.

Если вы создали документ вам понадобится сущность кодирования или снимаем его. Если у вас есть ошибочный документ, вы должны удалить эти символы, прежде чем пытаться разобрать его.

см. ответ dolmens в этой теме:недопустимые символы в XML

где он ссылается на эту статью: http://www.w3.org/TR/xml/#charsets

в принципе, все символы ниже 0x20 запрещены, кроме 0x9 (TAB), 0xA (CR?), 0xD (LF?)

40
public String stripNonValidXMLCharacters(String in) {
    StringBuffer out = new StringBuffer(); // Used to hold the output.
    char current; // Used to reference the current character.

    if (in == null || ("".equals(in))) return ""; // vacancy test.
    for (int i = 0; i < in.length(); i++) {
        current = in.charAt(i); // NOTE: No IndexOutOfBoundsException caught here; it should not happen.
        if ((current == 0x9) ||
            (current == 0xA) ||
            (current == 0xD) ||
            ((current >= 0x20) && (current <= 0xD7FF)) ||
            ((current >= 0xE000) && (current <= 0xFFFD)) ||
            ((current >= 0x10000) && (current <= 0x10FFFF)))
            out.append(current);
    }
    return out.toString();
}
7

символ 0x0C является недопустимым в XML 1.0, но будет допустимый символ в XML 1.1. Поэтому, если xml-файл не указывает версию как 1.1 в прологе, он просто недействителен, и вы должны пожаловаться производителю этого файла.

6

эта ссылка имеет код java, который работает отлично.

http://blog.mark-mclaren.info/2007/02/invalid-xml-characters-when-valid-utf8_5873.html

2

всякий раз, когда недопустимый символ xml приходит xml, он дает такую ошибку. Когда вы открываете его в notepad++, он выглядит как VT,SOH, FF, как это недопустимые символы xml. Я использую xml версии 1.0 и проверяю текстовые данные перед вводом их в базу данных по шаблону 

Pattern p = Pattern.compile("[^\u0009\u000A\u000D\u0020-\uD7FF\uE000-\uFFFD\u10000-\u10FFF]+"); 
retunContent = p.matcher(retunContent).replaceAll("");

это гарантирует, что в xml

2

вы можете фильтровать все "недопустимые" символы с помощью пользовательского класса FilterReader:

public class InvalidXmlCharacterFilter extends FilterReader {

    protected InvalidXmlCharacterFilter(Reader in) {
        super(in);
    }

    @Override
    public int read(char[] cbuf, int off, int len) throws IOException {
        int read = super.read(cbuf, off, len);
        if (read == -1) return read;

        for (int i = off; i < off + read; i++) {
            if (!XMLChar.isValid(cbuf[i])) cbuf[i] = '?';
        }
        return read;
    }
}

и запустите его так:

InputStream fileStream = new FileInputStream(xmlFile);
Reader reader = new BufferedReader(new InputStreamReader(fileStream, charset));
InvalidXmlCharacterFilter filter = new InvalidXmlCharacterFilter(reader);
InputSource is = new InputSource(filter);
xmlReader.parse(is);
2

я столкнулся с аналогичной проблемой, когда XML содержал управляющие символы. Изучив код, я обнаружил,что для чтения строкового содержимого используется устаревший класс StringBufferInputStream.

http://docs.oracle.com/javase/7/docs/api/java/io/StringBufferInputStream.html

This class does not properly convert characters into bytes. As of JDK 1.1, the preferred way to create a stream from a string is via the StringReader class.

Я изменил его на ByteArrayInputStream, и он работал нормально.

0

для людей, которые читают массив байтов в строку и пытаются преобразовать в объект с помощью JAXB, вы можете добавить кодировку "iso-8859-1", создав строку из массива байтов следующим образом:

String JAXBallowedString= новая строка (ввод байта [], "iso-8859-1");

Это заменит конфликтующий байт на однобайтовую кодировку, которую может обрабатывать JAXB. Очевидно, что это решение предназначено только для анализа xml.

0