使用SAX进行XML解析|如何处理特殊字符？

Question

我们有一个JAVA应用程序，它从SAP提取数据，解析它并呈现给用户。 使用JCO连接器拉取数据。

最近我们被抛出异常：

org.xml.sax.SAXParseException: Character reference "&#00" is an invalid XML character.

因此，我们计划在解析XML之前编写一个新的间接级别，其中替换所有特殊/非法字符。

我的问题是：

1. 是否有任何现有的（开源）实用程序可以替换XML中的非法字符？
2. 或者如果我必须编写这样的实用程序，我应该如何处理它们？
3. 为什么抛出上述异常？

谢谢。

Answer 1

从我的角度来看，源（SAP）应该进行替换。否则，它传输到您的程序可能看起来像XML，但不是。

取代'＆amp;'通过'＆amp;'可以通过一个简单的String.replaceAll（...）来完成从字符串到toXML（）调用，其他字符可能更难以替换（例如'＆lt;'和'＆gt;'）。

问候 纪尧姆

Answer 2

这听起来像是逃跑中的一个错误。根据上下文，您可能最好只编写自己的XMLWriter类版本，该类使用真正的XML库，而不是像SAP开发人员那样编写自己的XML实用程序。

或者，查看字符代码＆amp;＃00，您可以使用空字符串替换所有内容：

String goodXml = badXml.replaceAll("�", "");

Answer 3

我有一个related, but opposite problem，我试图将字符1插入到XSLT转换的输出中。我考虑使用零替换标记的后处理，而是选择使用xsl：param。

如果我在你的情况下，我要么想出一个定制的编码，替换XML中无效的字符，并在解析时将它们作为特殊情况处理，或者如果可能的话，用空格替换它们。 / p>

我没有JCO的经验，所以不能建议我如何或在哪里替换无效字符。

Answer 4

您可以使用Apache Commons Lang类StringEscapeUtils escapeXML方法对XML中的非ASCII字符进行编码/解码。参见：

http://commons.apache.org/lang/api-2.4/index.html

要了解XML字符引用的工作原理，请在维基百科上搜索“数字字符引用”。