Xml 对包含U+；001A

我有一个XML文档，它是从人们从各种地方复制/粘贴的一些内容生成的（不过主要是Word文档）

看起来是这样的：

<?xml version="1.0" encoding="UTF-8"?>
<response>
    <data> <![CDATA[
         (whatever was pasted)
    ]]></data>        
</response>

我一直使用

UTF-8

或

iso-8859-1

的编码，但现在有人去复制/粘贴unicode字符（

0x1a

），我找不到可以接受它的编码。我把XML文件放入的所有东西（例如Firefox、InternetExplorer、XMLSpy）都说它是无效的，不管使用哪种编码

---

我是否可以使用一种编码来防止文件掉落，或者我是否需要开始逐个删除所有这些字符？

U+001A在XML文档中不是有效字符。根据，字符的有效范围为：

---

U+001A不是XML文档中的有效字符。根据，字符的有效范围为：

---

预处理原始数据，对XML文档不支持的Unicode字符进行编码。例如，使用HTML字符编码：

<?xml version="1.0" encoding="UTF-8"?>
<response>
    <data> <![CDATA[This is &#x1a; a test.]]></data>        
</response>

---

读回时，您必须对数据进行后处理，以将HTML编码转换回正确的Unicode字符。

预处理原始数据，对XML文档不支持的Unicode字符进行编码。例如，使用HTML字符编码：

<?xml version="1.0" encoding="UTF-8"?>
<response>
    <data> <![CDATA[This is &#x1a; a test.]]></data>        
</response>

---

读回时，您必须对数据进行后处理，以将HTML编码转换回正确的Unicode字符。

字符U+001A位于C0控制区域中，这在XML中通常是禁止的（包括U+001A）。不可能有人是故意进入的。相反，它是由软件生成的，可能是在执行字符代码转换和检测格式错误的数据（例如，在源编码中没有定义含义的字节）时生成的。U+001A（替换）字符用于此用途；看我的

如果您无法跟踪并修复生成U+001A的转换（或其他过程），我建议您将其替换为U+FFFD替换字符。在某种意义上，它是U+001A的Unicode等价物。（后者当然也是Unicode的，但在许多情况下是不允许的。）然而，它有一个可见的字形，尽管字形只存在于少数字体中；有关更多信息，请查看

---

这里的要点是，将U+001A更改为U+FFFD可以使数据在XML中被接受，并且仍然保留有关字符级数据错误的信息。

字符U+001A位于C0控制区域，这在XML中是大部分禁止的（包括U+001A）。不可能有人是故意进入的。相反，它是由软件生成的，可能是在执行字符代码转换和检测格式错误的数据（例如，在源编码中没有定义含义的字节）时生成的。U+001A（替换）字符用于此用途；看我的

如果您无法跟踪并修复生成U+001A的转换（或其他过程），我建议您将其替换为U+FFFD替换字符。在某种意义上，它是U+001A的Unicode等价物。（后者当然也是Unicode的，但在许多情况下是不允许的。）然而，它有一个可见的字形，尽管字形只存在于少数字体中；有关更多信息，请查看

---

这里的要点是，将U+001A更改为U+FFFD可以使数据在XML中被接受，并且仍然保留有关字符级数据错误的信息。

这不是我希望听到的，但谢谢。看来另一件“肯定很快就能解决”的事情将变成又一个漫长的日子。这不是我希望听到的，但谢谢。看来另一件“肯定很快就能解决”的事情将变成又一个漫长的日子。