如何在 XML 中嵌入二进制数据？

Posted 2023-02-16

【中文标题】如何在 XML 中嵌入二进制数据？

【英文标题】：How do you embed binary data in XML?

【发布时间】：2010-09-06 09:37:42

【问题描述】：

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。有谁知道怎么做？

更新：我使用 apache commons codec library 的 Base64 类进行了这项工作，以防其他人尝试类似的事情。

【参考方案1】：

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，例如 yEnc。 (yEnc wikipedia link) 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 - ***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 上的消息中或通过电子邮件传输二进制文件。 ... 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。 ‎

【讨论】：

@Jamine 你还有其他选择吗？

杰米，如果再做一些工作，这可能是一个不错的答案。我删除了我的 -1，如果你付出一些努力，我会 +1...如果你跟进，请标记我。

杰米，n/m。我更新了你的答案，并 +1ed，希望能提供你最初想要传达的信息。一定要看看，也许在你认为合适的时候进行更新。 （我已经有一段时间没有在 SO 上活跃了。研究和编辑答案很有趣。我 +1 是因为在此过程中我学到了一些新东西，这就是它的全部意义......？干杯。）

当可预测/固定开销至关重要时，

escapeless 可能是 yEnc 的替代方案。

【参考方案2】：

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，即 multipart/* MIME 和 @ 987654322@.

例如，如果您的服务器通过 HTTP 进行通信，并且您希望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 通信可能如下所示：

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 使用 cid URI 方案引用封闭多部分中的二进制数据，该方案是 Content-Id 标头的标识符。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。

如果您想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。

【参考方案3】：

Base64 开销为 33%。

BaseXML 用于 XML1.0 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。但是请注意，浏览器倾向于实现压缩，因此不需要它。

我在这个帖子讨论后开发了它：Encoding binary data within XML : alternatives to base64。

【参考方案4】：

上周我遇到了这个问题。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>

【讨论】：

最佳答案，因为我可以从中复制/粘贴 Convert.ToBase64String

【参考方案5】：

任何binary-to-text encoding 都可以解决问题。我使用类似的东西

<data encoding="yEnc>
<![CDATA[ encoded binary data ]]>
</data>

【参考方案6】：

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。

Handling Binary Data in XML Documents

【参考方案7】：

你也可以Uuencode你原来的二进制数据。这种格式有点旧，但它与 base63 编码的作用相同。

【讨论】：

* base63 编码

【参考方案8】：

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”，但它必须 不 只是任何东西，它必须是 Base64 编码的二进制数据。 XML Schema 定义了您可以在 xsd 中使用的 Base 64 binary as a primitive datatype。

【讨论】：

额外提到xs:base64Binary数据类型，这是正确的使用类型。

【参考方案9】：

XML 用途广泛……

<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: 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，因为它在 SO 上排名最高，对吧？）

【讨论】：

如果你是认真的，这就是对 XML 的完全可耻的使用。如果你不是，不写高层次思考低层次的初学者怎么会知道？

我觉得这很有趣。但是，是的，再一次，使用实际的 base64 数据类型是要走的路。 CData 太笼统了。

我认为它的描述性不够——也许应该使用“BINARYDIGIT”而不是缩写“BIT”？ ;-)

哇。这将使平均千字节范围的文件大 230 倍 :)

哦，看在他妈的份上。这是个笑话。我做了什么？！：thedailywtf.com/Articles/The-HumanReadable-Encryption-Key.aspx

【参考方案10】：

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

【参考方案11】：

尝试使用 Base64 编码/解码您的二进制数据。还要查看 CDATA 部分

【参考方案12】：

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。