使用Stax解析XML文件时出现Unicode（0xb）错误

Question

解析XML文件时，Stax会产生错误：

  

Unicode（0xb）错误 - 在文档的元素内容中找到了无效的XML字符（Unicode：0xb）。

只需点击下面的链接，其中xml行的特殊字符为“VI”。它不是一个字母字符：当你尝试将它复制并粘贴到记事本中时，你会将它作为一些符号。我尝试使用Stax解析它。它显示出上述错误。

请有人能给我一个解决方案吗？

提前致谢。

Answer 1

根据XML W3C Recommendation，XML文件中不允许使用0xb：

  

角色范围   [2] Char :: =＃x9 | #xA | #xD | [＃x20-＃xD7FF] | [＃xE000-＃xFFFD] | [＃x10000-＃x10FFFF] / *任何Unicode字符，不包括代理块，FFFE和FFFF。 * /

严格来说，您的输入文件不是XML文件。

Answer 2

每当无效的xml字符出现xml时，就会出现这样的错误。当你在记事本++中打开它时，它看起来像VT，SOH，FF这些都是无效的xml字符。我使用的是xml版本1.0，我在通过模式

在数据库中输入之前验证了文本数据

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

它将确保在xml

中不会输入无效的特殊字符