序列化时处理无效的xml字符

Question

我需要序列化一个包含字符串的文档，如ﾝￊￒ%ﾝￋ

java.io.IOException: The character '' is an invalid XML character

有没有一种方法可以将此字符串序列化为任何解决方案？

StringWriter stringOut = new StringWriter();
DocumentBuilderFactory docFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder docBuilder = docFactory.newDocumentBuilder();
Document doc = docBuilder.newDocument();
Element rootElement = doc.createElement("company");
doc.appendChild(rootElement);
String xml = "ﾝￊￒ%ﾝￋ&";
//String xml = "ﾝￊￒ%ﾝￋ&";
Element junk = doc.createElement("replyToQ");
junk.appendChild(doc.createCDATASection(xml));
//junk.appendChild(doc.createTextNode(stripNonValidXMLCharacters(xml)));
rootElement.appendChild(junk);

//org.w3c.dom.Document doc = this.toDOM();

//Serialize DOM
OutputFormat    format  = new OutputFormat(doc,"UTF-8",true);
format.setIndenting(false);
format.setLineSeparator("");
format.setPreserveSpace(true);
format.setOmitXMLDeclaration(false);

XMLSerializer    serial = new XMLSerializer( stringOut, format );
// As a DOM Serializer
serial.asDOMSerializer();

serial.serialize( doc.getDocumentElement() );




Answer 1

编辑：我把你的问题理解为反序列化问题，而不是序列化问题。很抱歉

答案是需要使用Uuicode实体转义字符串转义它们。

字符<代码>ﾝ 变为

另请参见这里的XML转义

您需要预处理文件以正确转义xml字符。

1. 读取文件中的每个字符
2. 如果字符是无效的xml，请适当转义它
3. 将字符写入临时文件
4. 在原始文件末尾，使用临时文件覆盖原始文件

您的文件现在是有效的xml，可以通过标准方式进行解析。它很可能会更大。给文件供应商一个关于编写错误xml编写器的警告；）