Java 发现无效的XML字符（Unicode:0xc）

使用Java DOM解析器分析XML文件会导致：

[Fatal Error] os__flag_8c.xml:103:135: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
org.xml.sax.SAXParseException: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)
    at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)
    at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)

---

即使将数据封装在CDATA块中，XML文档中也允许使用一些字符

如果您生成了文档，则需要对其进行实体编码或删除。如果您有一个错误文档，您应该在解析它之前去掉这些字符

参见本帖中的dolmens答案：

他链接到这篇文章的地方：

---

基本上，0x20以下的所有字符都是不允许的，除了0x9（制表符）、0xA（CR？）和0xD（LF？）字符0x0C在XML 1.0中是无效的，但可能是无效的。因此，除非xml文件在序言中将版本指定为1.1，否则它完全无效，您应该向该文件的生产者投诉。

我遇到了一个类似的问题，xml包含控制字符。查看代码后，我发现一个不推荐使用的类StringBufferInputStream用于读取字符串内容

---

我将它改为ByteArrayInputStream，它工作得很好。

每当xml中出现无效的xml字符时，就会出现这样的错误。当你在notepad++中打开它时，它看起来像VT、SOH、FF，就像这些是无效的xml字符一样。我使用的是xml版本1.0，在按模式将文本数据输入数据库之前，我验证了文本数据

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

它将确保不会在xml中输入无效的特殊字符{

public String stripNonValidXMLCharacters(String in) {
    StringBuffer out = new StringBuffer(); // Used to hold the output.
    char current; // Used to reference the current character.

    if (in == null || ("".equals(in))) return ""; // vacancy test.
    for (int i = 0; i < in.length(); i++) {
        current = in.charAt(i); // NOTE: No IndexOutOfBoundsException caught here; it should not happen.
        if ((current == 0x9) ||
            (current == 0xA) ||
            (current == 0xD) ||
            ((current >= 0x20) && (current <= 0xD7FF)) ||
            ((current >= 0xE000) && (current <= 0xFFFD)) ||
            ((current >= 0x10000) && (current <= 0x10FFFF)))
            out.append(current);
    }
    return out.toString();
}    

StringBuffer out=new StringBuffer（）；//用于保存输出。 char current；//用于引用当前字符。 if（in==null | |（“”.equals（in）））返回“”；//空缺测试。 对于（int i=0；i（（当前>=0x20）&&&（当前=0xE000）&&&（当前=0x10000）&&（当前您可以使用自定义FilterReader类筛选所有“无效”字符：

public class InvalidXmlCharacterFilter extends FilterReader {

    protected InvalidXmlCharacterFilter(Reader in) {
        super(in);
    }

    @Override
    public int read(char[] cbuf, int off, int len) throws IOException {
        int read = super.read(cbuf, off, len);
        if (read == -1) return read;

        for (int i = off; i < off + read; i++) {
            if (!XMLChar.isValid(cbuf[i])) cbuf[i] = '?';
        }
        return read;
    }
}

---

对于将字节数组读入字符串并尝试使用JAXB转换为对象的人，可以通过从字节数组创建字符串来添加“iso-8859-1”编码，如下所示：

InputStream fileStream = new FileInputStream(xmlFile);
Reader reader = new BufferedReader(new InputStreamReader(fileStream, charset));
InvalidXmlCharacterFilter filter = new InvalidXmlCharacterFilter(reader);
InputSource is = new InputSource(filter);
xmlReader.parse(is);

String=新字符串（字节[]输入，“iso-8859-1”）

---

这将取代JAXB可以处理的冲突字节到单字节编码。显然，此解决方案仅用于解析xml。

所有这些答案似乎都假设用户生成的是错误的xml，而不是从gSOAP接收的，gSOAP应该知道得更清楚！

今天，我遇到了一个类似的错误：

路径为[/***]的上下文中Servlet[remoting]的

Servlet.service（）引发了异常[请求处理失败；嵌套异常为java.lang.RuntimeException:buildDocument失败]，其根本原因是
org.xml.sax.saxpasseeption；行号：19；列号：91；在属性“text”的值中发现无效的xml字符（Unicode:0xc），元素为“label”。

---

在我第一次遇到这个错误后，我用手重新键入了整行，这样就没有办法让一个特殊的字符潜入，记事本++也没有显示任何不可打印的字符（黑白相间），尽管如此，我还是一次又一次地犯下同样的错误

当我查看我所做的与以前不同的事情时，发现在结束/>之前增加了一个空格（正如我所听说的那样，对于较旧的解析器，建议使用此空格，但根据XML标准，它不会有任何区别）：

当我移除空间时：

一切都很顺利

---

---

因此，这肯定是一条误导性的错误消息。

+1-基本上，OP的问题是他试图解析的XML文件无效。实体编码无法工作；XML文本中根本不允许该值。如果您可以编写一个基于正则表达式的解决方案，该解决方案将是健壮的，而fastregex通常速度较慢，则上述代码将更快，因为它只使用这一个thingNow而不是

StringBuffer

使用

StringBuilder

，因为它更快（不需要对象监视器/未同步）。您提供的模式是正确的，但没有按原样编译。您需要一些转义。正确的是

pattern.compile（“[^\\u0009\\u000A\\u000D\\u0020-\\uD7FF\\uE000-\\uFFFD\\u10000-\\u10FFF]+”

然后，可能是内存访问问题破坏了内容。嗨，瓦迪姆，你的想法很好。XMLChar的来源是什么？

InputStream fileStream = new FileInputStream(xmlFile);
Reader reader = new BufferedReader(new InputStreamReader(fileStream, charset));
InvalidXmlCharacterFilter filter = new InvalidXmlCharacterFilter(reader);
InputSource is = new InputSource(filter);
xmlReader.parse(is);