Java XML架构验证字符串的长度

我很难理解长度限制对XML模式语言中的字符串意味着什么。我测试了两个不同的XMLSchema验证器实现，结果不一致。我使用以下模式和文件进行测试：

<?xml version="1.0" encoding="UTF-8"?>
<test xmlns="http://www.example.org/NewXMLSchema"
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
      xsi:schemaLocation="http://www.example.org/NewXMLSchema NewXMLSchema.xsd ">
   <id>&#x1f600;xx</id>
</test>

😀；xx

及

IDE pycharm在id元素的下面加了一个读取行，这是一个错误，它不符合模式。使用Python3执行的python代码表示XML文件符合模式。 我想知道XML文件的模式是否兼容。我想重点是，字符（不管这个词确切的意思是什么）是如何计数的：字符串的长度是unicode代码点的数量，utf16代理的数量，或者是图形的数量

实现（Python 3，使用了AFAIK UFT-32）和Java（UTF-16）是否可能泄漏到XMLSchema验证中

有什么建议吗

--迈克

---

顺便说一句：Java8内置模式处理器抱怨我的示例也不符合模式

maxLength的正确语义是，它适用于Unicode字符（代码点）的数量，而不是字符串任何特定编码中的八位字节（或16位代码单元）的数量

我不能说所有的模式验证器是否都符合这个定义。但定义是明确的

---

顺便说一句，您的示例使用Saxon模式验证器进行了很好的验证。

“有没有可能实现（使用AFAIK UFT-32的Python 3）和Java（UTF-16）泄漏到XMLSchema验证中？”——是的，但这仅仅是因为验证器实现存在缺陷。XML专门将字符串定义为字符序列，将字符定义为Unicode代码点，专门排除代理项对（）。这意味着计数

UTF-16

值的验证器有缺陷。但是，请阅读以下警告说明：注意：对于字符串和数据类型·派生·来自字符串，

maxLength

并不总是与某些用户认为的“字符串长度”或某些数字表示中的存储单元数一致。因此，在为

maxLength

指定一个值时，以及在试图从

maxLength

的给定值推断存储需求时，应该小心。当然，字符的定义在Unicode中有点模糊。m̂，从用户的角度看是一个“字符”，它由两个代码点构成：0x6d 0x302。这正是

maxLength

警告所警告的：“字符串长度”从用户的角度看，即

m̂

显示为1个字形，表示为2个Unicode字符（

0x6d 0x302

），但可能需要例如3个字节的存储空间（UTF-8:

0x6D 0xCC 0x82

），那么长度是1、2还是3呢？

maxLength

的定义对于字符串值来说是明确的：长度是2，即Unicode字符数，不包括代理项对。JDK 8内置验证程序做得不对。AFAIK pycharm是用Java构建的，因此计算UTF-16代理项，这显然是错误的。--Mik。

<?xml version="1.0" encoding="UTF-8"?>
<schema xmlns="http://www.w3.org/2001/XMLSchema" targetNamespace="http://www.example.org/NewXMLSchema" xmlns:tns="http://www.example.org/NewXMLSchema" elementFormDefault="qualified">
    <simpleType name="MyFixedString">
       <restriction base="string">
          <maxLength value="3"></maxLength>
       </restriction>
    </simpleType>
    <complexType name="NewComplexType">
        <sequence>
            <element name="id" type="tns:MyFixedString"></element>
        </sequence>
    </complexType>
    <element name="test" type="tns:NewComplexType"></element>
</schema>