Java 奇怪的unicode字符导致XML解析失败_Java_Xml_Unicode_Character Encoding_Flying Saucer

Java 奇怪的unicode字符导致XML解析失败

java xml unicode character-encoding

Java 奇怪的unicode字符导致XML解析失败,java,xml,unicode,character-encoding,flying-saucer,Java,Xml,Unicode,Character Encoding,Flying Saucer,提交“我的应用”中的表单时，它会（在客户端）转换为如下所示的HTML字符串： <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xml:lang="en" lang="en" xmlns="http://www

提交“我的应用”中的表单时，它会（在客户端）转换为如下所示的HTML字符串：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xml:lang="en" lang="en" xmlns="http://www.w3.org/1999/xhtml">
<head> 
  <style type="text/css">
    td { white-space: normal; }
  </style>
</head>
<body>
<table>
    <tbody>
    <!-- Repeat for every field in the form -->
    <tr>
        <td>Name</td>
        <td>John Doe</td>
    </tr>
    </tbody>
</table>
</body>
</html>

在浏览器中，它看起来像“h5”和“9gx”，由几个空格分隔，但它们绝对不是空格

在服务器上检查时值的显示方式原始HTML值

<td>h5&#8194;&#11;&#8233;&#8201;&#8233;&#8194;&#8200;&#11;9gx</td>

h5      9gx

在规范化/清理HTML之后，看起来原始HTML中的XML实体已转换为空格，但同样，它们肯定不是空格

不管它们是什么，它们都会导致XML解析器抛出此异常

SAXParseException；在文档的元素内容中发现无效的XML字符（Unicode:0xb）

如何在客户端或服务器端安全地删除/替换/清理/编码这些值？

0xb

（又称垂直选项卡）不是一个：
因此，您的数据不是XML，任何符合XML的处理器都必须报告一个错误，例如您收到的错误
在将数据与任何XML库一起使用之前，必须手动或自动将其视为文本而不是XML，通过删除任何非法字符来修复数据
另见：

Java：

JavaScript：

0xb
（又称垂直选项卡）不是一个：
因此，您的数据不是XML，任何符合XML的处理器都必须报告一个错误，例如您收到的错误
在将数据与任何XML库一起使用之前，必须手动或自动将其视为文本而不是XML，通过删除任何非法字符来修复数据
另见：

Java：

JavaScript：

感谢您的回答，您对我如何使用客户端的JS/Angular或服务器上的任何Java库进行此操作有何建议？@Dónal:answer更新了其他Q/As的链接，显示了如何通过Java或JavaScript从字符串中过滤非法XML字符。感谢您的回答，您对我如何使用客户端的JS/Angular或服务器上的任何Java库来实现这一点有什么建议吗？@Dónal:Answer更新了指向其他Q/A的链接，显示了如何通过Java或JavaScript从字符串中过滤非法XML字符。
<td>h5      9gx</td>

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