Question

我必须阅读一个大的XML文档（千兆字节），其中包含＆amp; #XX; 字符集，其中XX小于31.通常，我知道这些字符集（＆lt; 32）保留用于ASCII设备控制。

该文件的作者决定在文本中使用此charset并更改它是我手中的东西。

在声明xml文件的标头时，我尝试了除 UTF-8 之外的不同xml编码方案声明：<?xml version="1.0" encoding ="UTF-8"?>，但在尝试在我的XML中呈现它时没有成功解析器。

要使问题可重现且清晰，请考虑下面的简单xml文件（例如，在Fred名称后面有？字符集）：

<?xml version="1.0" encoding ="UTF-8"?> 
<TABLE> 
 <GRADES> 
 <STUDENT> Fred &#01; </STUDENT> 
 <TEST1> 1 </TEST1> 
 <TEST2> 2 </TEST2> 
 <FINAL> 3 </FINAL> 
 </GRADES> 
 <GRADES> 
 <STUDENT> Wilma </STUDENT> 
 <TEST1> 1 </TEST1> 
 <TEST2> 2 </TEST2> 
 <FINAL> 3 </FINAL> 
 </GRADES> 
</TABLE>

当我在不同的浏览器中阅读这些文件时，我收到错误：

第22行第4行的
错误：xmlParseCharRef：无效的xmlChar值1

我知道可能的解决方案是预处理原始文件，查找并替换导致错误的字符，但有没有人知道解决此问题的任何其他方法？是否有任何特定的编码支持＆amp; #XX; 字符集（XX <32）？

Answer 1

并非所有字符在XML 1.0中都是合法的。（http://www.w3.org/TR/REC-xml/#charsets）

如果您的工具支持XML 1.1，将它们切换到该模式将允许一些以前被禁止的字符（http://www.w3.org/TR/xml11/#charsets）

通常的解决方案是不要尝试将控制字符放入XML文档中。相反，将二进制数据编码为十六进制或base64或其他一些文本表示，并让应用程序代码在需要时将其转换回二进制。

XML编码设置和特定字符集

1 个答案: