Question

我有一个旧的Java应用程序，该应用程序处理来自第三方数据提要的XML。

数据馈送允许用户输入，现在它突然包含诸如&#55357;&#56391;（）之类的表情符号。实际上，我很惊讶这个问题出现了这么长时间（表情符号已经出现了好几年了）。

该应用在javax.xml.parsers.DocumentBuilder.parse(InputStream)中爆炸：

org.xml.sax.SAXParseException; lineNumber: 105; columnNumber: 3039; Character reference "&#
    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(DOMParser.java:257)
    at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:348)
    at javax.xml.parsers.DocumentBuilder.parse(DocumentBuilder.java:121)

是否有可以应用的快速本地化修复程序，而无需重新设计和重新设计整个应用程序？另外，宁愿避免正则表达式搜索/替换黑客，因为这会带来其他细微的问题。

Answer 1

&#55357;&#56391;是一个编码为代理对的单个字符（两个代理）。 XML中的字符引用不能表示（高或低）替代：这些不是合法字符。字符引用应该代表整个表情符号👇的Unicode代码点。

第三方向您发送了无效的XML，您应该拒绝它，就像拒绝供应商的其他任何有缺陷的商品一样。

表情符号字符序列��打破了旧的XML流程

1 个答案: