使用 SAX 解析 XML |如何处理特殊字符？

Posted 2023-02-24

【中文标题】使用 SAX 解析 XML |如何处理特殊字符？

【英文标题】：XML parsing with SAX | how to handle special characters?

【发布时间】：2011-01-28 21:32:21

【问题描述】：

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：

是否有任何现有的（开源）实用程序可以完成这项工作以替换 XML 中的非法字符？ 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？ 为什么会抛出上述异常？

谢谢。

【问题讨论】：

那么来自 JCO 的数据是 XML 格式吗？您正在解析它吗？或者您是在获取名称或其他内容，然后将其写入 XML 文档，然后进行解析？

@Tom：JCO 有 Record.toXML() 方法，以 XML 格式提供数据。

只是出于好奇 - 是否有特殊原因导致您经历了将数据转换为 XML 然后再返回的所有痛苦和 CPU 周期？

@vwegert：好问题。让我承认我们不知道迭代 JCO.Fields 的 JCO API，并认为 toXML() 可能只是我们的工作。

...好的。我真的不知道该说什么。抱歉，JCo 附带 API 文档、示例程序和 PDF 教程。有人没有阅读并理解如何使用它，而是认为“让我们在其中添加一些 XML”。真的不知道该笑还是该哭……

【参考方案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。

虽然将 '&' 替换为 '&' 可以通过对字符串 from to toXML() 调用的简单 String.replaceAll(...) 来完成，但其他字符可能更难替换（'' 为例）。

问候 纪尧姆

【参考方案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("�", "");

【参考方案3】：

我有一个related, but opposite problem，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，因此无法建议如何或在何处替换无效字符。

【参考方案4】：

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。见：

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”。