Question

我需要在哪里需要序列化包含ﾝￊￒ%ﾝￋ&之类字符串的文档。序列化时抛出以下异常：

java.io.IOException: The character '' is an invalid XML character

有没有办法可以像任何解决方法那样序列化这个String？

StringWriter stringOut = new StringWriter();
DocumentBuilderFactory docFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder docBuilder = docFactory.newDocumentBuilder();
Document doc = docBuilder.newDocument();
Element rootElement = doc.createElement("company");
doc.appendChild(rootElement);
String xml = "ﾝￊￒ%ﾝￋ&amp;";
//String xml = "ﾝￊￒ%ﾝￋ&amp;";
Element junk = doc.createElement("replyToQ");
junk.appendChild(doc.createCDATASection(xml));
//junk.appendChild(doc.createTextNode(stripNonValidXMLCharacters(xml)));
rootElement.appendChild(junk);

//org.w3c.dom.Document doc = this.toDOM();

//Serialize DOM
OutputFormat    format  = new OutputFormat(doc,"UTF-8",true);
format.setIndenting(false);
format.setLineSeparator("");
format.setPreserveSpace(true);
format.setOmitXMLDeclaration(false);

XMLSerializer    serial = new XMLSerializer( stringOut, format );
// As a DOM Serializer
serial.asDOMSerializer();

serial.serialize( doc.getDocumentElement() );

Answer 1

编辑：我将您的问题视为反序列化问题，而不是序列化问题。遗憾。

答案是你需要使用Uuicode实体转义字符串来转义它们。

字符ﾝ变为ソ。见Japanese Katakana chart

另见XML Escaping

您需要预处理文件以正确转义xml字符。

读取文件中的每个字符
如果角色无效xml，escape it appropriately
将字符写入临时文件
在原始文件的末尾，用临时文件覆盖原始文件。

您的文件现在是有效的xml，可以通过标准方法进行解析。它很可能会更大。为您的文件供应商提供编写错误的xml编写器的信息;）

处理序列化时处理无效的xml字符

1 个答案: