Question

IDE：Embarcadero XE5 c ++ builder。

我正在尝试在 XML CData部分中转储 UnicodeStrings 。

这种字符串的小提取物：

 u"‰PNG\r\n\x1A\n\0\0\0\rIHDR\0\0\0õ\0\0\02\b\x06\0\0\0„\\i\0\0\0\x01sRGB\0®Î\x1Cé\0\0\0\x04gAMA\0\0±\vüa\x05\0\0\0\tpHYs\0\0\x0EÃ\0\0\x0EÃ\x01Ço¨d\0\0\v¼IDATxÚíœypUÕ\x19ÀO\x06…°¤\x04D$ˆ²\b1š\b\x18@...etc"

我知道XML文档可以包含非ASCII字符，我认为XML解析器不会解析XML CData部分的内容（除了结尾部分指示符“ [[＆gt; ; “，我的数据中没有，检查它）。

当创建（写）CData部分时，我仍然会在创建节点时出现“在文本内容中找到无效字符”错误。

代码示例：

_di_IXMLDocument pXMLDocument = NewXMLDocument("1.0"); // I've played around with the document encoding with no success, guessing it's only applicable while reading the document. // pXMLDocument->SetEncoding(L"iso-8859-1"); String myString; // Unicode, contains my data string. // 1st param of CreateNode method is of type UnicodeString. di_IXMLNode pCDataNode = pXMLDocument->CreateNode( myString, ntCData );

有关为何失败的任何想法？编码问题？

Answer 1

如果您阅读了Section 2.7的XML specification，则说明了CDATA部分的格式：

CDATA Sections

[18]    CDSect    ::=    CDStart CData CDEnd  
[19]    CDStart    ::=    '<![CDATA[' 
[20]    CData    ::=    (Char* - (Char* ']]>' Char*))  
[21]    CDEnd    ::=    ']]>'

Char在Section 2.2中定义：

Char    ::=    #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

如果您查看原始数据，它会包含从该范围中排除的十几个字符值（特别是#x0，#x1，#x2，#x4， #x5，#x6，#x8，#xB #xE，#x18，#x19，#x1A和{{ 1}}）。这就是为什么你收到有关非法字符的错误，因为你确实有非法字符。

CDATA部分不允许您将任意二进制数据放入XML数据。当文本内容包含通常为XML标记保留的字符时，应使用CDATA部分，以便它们不必转义或编码为实体。将二进制数据放入XML文档的唯一方法是将其编码为XML兼容（通常为7位ASCII）格式，例如Base64（但您可以使用其他格式，例如yEnc）。

Answer 2

原来问题确实是原始数据字符串中存在的所有转义字符，如怀疑的那样。

解决了在创建XML CData-sections之前通过Base64编码整个字符串的问题。

Rad Studio方法： EncodeBase64 ， DecodeBase64

标题： Soap.EncdDecd.hpp

Answer 3

对于我的情况，我创建了一个函数来将字符串修剪为只有一组有效的XML 字符。

<强>伪代码：

//Code released into public domain. No attribution required.
function TrimToXmlText(xmlText: String): string;
begin
   /*
      http://www.w3.org/TR/xml/#NT-Char

      Regarless of entity encoding, the only valid characters allowed are:

         Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]

      I.e. any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
      This means that a string such as

         "Line one"#31#10"Line two"

      is invalid (because of the #31 aka 0x1F).

      This means we need to manually strip them out; because the xml library certainly won't do it for us.
   */

   SetLength(Result, Length(xmlText));

   Int32 o = 0;
   for i = 1 to Length(s) do
   begin
      case Ord(s[i]) of
      $9, $A, $D,
      $20..$D7FF,
      $E000..$FFFD:
         begin
            o = o+1;
            Result[o] = xmlText[i];
         end;
      end;
   end;

   SetLength(Result, o);
end;

从UnicodeString创建CData节点时，XML无效字符

3 个答案: