在Java中剥离无效的XML字符
我有一个XML文件，它是数据库的输出。我正在使用Java
SAX解析器来解析XML并以其他格式输出它。XML包含一些无效字符，并且解析器抛出诸如“无效Unicode字符（0x5）”之类的错误
除了逐行预处理文件并替换它们之外，是否有一种很好的方法可以去除所有这些字符？到目前为止，我遇到了3个不同的无效字符（0x5、0x6和0x7）。这是一个约4gb的数据库转储，我们将对其进行大量处理，因此，每次获得新的转储以在其上运行预处理器时，每次都必须等待额外的30分钟，这不是我第一次遇到这个问题。
问题答案：
我没有亲自使用它，但是Atlassian开发了一种命令行XML清理程序，它可以满足您的需求（它主要是为JIRA而设计的，但XML是XML）：
下载atlassian-xml-cleaner-0.1.jar
打开DOS控制台或外壳，然后在您的计算机上找到XML或ZIP备份文件，此处假定为data.xml。
运行：java -jar atlassian-xml-cleaner-0.1.jar data.xml> data-clean.xml
这会将data.xml的副本写入data-clean.xml，其中删除了无效字符。
-
问题内容： 是否存在现有的Java库，该库提供了一种从字符串中剥离所有HTML标记的方法？我正在寻找与PHP中的功能等效的东西。 我知道我可以使用这个问题中描述的正则表达式，但是我很好奇，是否可能已经有一种方法可以在Apache Commons库中的某个地方使用。 问题答案： 在开放了将近一个星期的问题之后，我可以肯定地说，Java API或Apache库中没有可用的方法可从字符串中剥离HTML标
-
问题内容： 当在HTML文件中打印一行时，我试图找到一种仅显示每个HTML元素的内容而不显示格式本身的方法。如果找到，它将仅打印“某些文本”，打印“ hello”，等等。如何去做呢？ 问题答案： 我一直使用此函数来剥离HTML标记，因为它仅需要Python stdlib： 对于Python 3： 对于Python 2：
-
总之，我正在尝试解析中的xml。但是XMLSpy告诉我xml的格式不好。 我相信这xml中包含了一些无效字符（）。因为如果我把它拿走。XMLSpy的验证已通过。我认为UTF-8编码不允许这种字符。但是如果我真的想加入这种角色呢。我应该应用哪种编码？谢谢
-
问题内容： 如何从字符串中删除HTML标签，以便可以输出纯文本？ 问题答案： 嗯，我尝试了您的功能，并在一个小例子上工作了： 你能举一个例子吗？ Swift 4和5版本：
-
我有一个标准的json结构，里面有这样的内容
-
问题内容： 考虑一个非DOM场景，您想使用JavaScript / ECMAScript从字符串中删除所有非数字字符。范围内的任何字符都应保留。 您将如何用纯JavaScript实现此目标？请记住，这是一个非DOM方案，因此jQuery和其他涉及浏览器和按键事件的解决方案都不适合。 问题答案： 使用正则表达式为的字符串方法，这是与所有非数字匹配的速记字符类：