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)
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?)
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();
}
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.
эта ссылка имеет код java, который работает отлично.
http://blog.mark-mclaren.info/2007/02/invalid-xml-characters-when-valid-utf8_5873.html
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
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);
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.
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.