非法字符 - CTRL-CHAR答案

【问题标题】：Illegal character - CTRL-CHAR非法字符 - CTRL-CHAR
【发布时间】：2011-06-18 11:24:42
【问题描述】：

我从 web 服务收到以下异常：

com.ctc.wstx.exc.WstxUnexpectedCharException：非法字符（（CTRL-CHAR，代码 15））

我知道这背后的原因，我在想要返回的数据中得到“控制字符”。并且在 XML 中 CTRL-CHAR 是不允许的。

我搜索了解决方法，很多地方都找到了删除CTRL-CHAR的代码。

问题是，如果我从数据中删除控制字符，我最终会丢失数据吗？
我希望干净的解决方案可以编码，而不是删除控制字符。

【问题讨论】：

如果您要发送二进制数据，则不应使用 xml。
@sarnold : 十进制，忘记添加相关信息了。
@OrangeDog ：我没有发送二进制数据，而是从数据库返回纯文本。不知道如何，但它有控制字符。
那你需要定位并修复那个问题，而不是把问题隐藏在另一层。

标签： java xml web-services character-encoding

【解决方案1】：

此错误是由 Woodstox XML 解析器引发的。 InputBootstrapper 类的源代码如下所示：

protected void reportUnexpectedChar(int i, String msg)
    throws WstxException
{
    char c = (char) i;
    String excMsg;

    // WTF? JDK thinks null char is just fine as?!
    if (Character.isISOControl(c)) {
        excMsg = "Unexpected character (CTRL-CHAR, code "+i+")"+msg;
    } else {
        excMsg = "Unexpected character '"+c+"' (code "+i+")"+msg;
    }
    Location loc = getLocation();
    throw new WstxUnexpectedCharException(excMsg, loc, c);
}

除了有趣的评论之外，Woodstox 正在 JDK 解析器之上执行一些额外的验证，并拒绝 ASCII 字符 15 为无效。

至于为什么会有那个角色，我们不能告诉你，它在你的数据中。同样，我们无法告诉您删除该字符是否会破坏任何内容，因为这又是您的数据。你只能自己建立。

【讨论】：

【解决方案2】：

如果您的文本数据中有控制字符，那么您需要从源头解决该问题。

最可能的原因是不正确的通信编码（通常在数据库和应用程序之间）或未清理用户输入。

【讨论】：

【解决方案3】：

我会按照 OrangeDog 的建议去做。但是，如果您想在代码中解决它，请尝试：

replaceAll("[\\x00-\\x09\\x11\\x12\\x14-\\x1F\\x7F]", "")

\\x12 是字符。

【讨论】：

【解决方案4】：

感谢大家的投入。我正在分享解决方案可能对其他人有帮助。要求不是清除 CONTROL CHAR，它也应该在 DB 中保持原样，并且一个 WS 通过 n/w 客户端发送它应该能够获得 CONTROL CHAR。所以我实现了如下代码：

在 Web 服务代码中使用 URLEncoder 对字符串进行编码。
在客户端使用 URLDecoder 对其进行解码

下面分享示例代码和输出。
示例代码：

System.out.println("NewSfn");  
System.out.println(URLEncoder.encode("NewSfn", "UTF-8"));  
System.out.println(URLDecoder.decode("NewSfn", "UTF-8"));

输出：

NewSfn  
New%0FSfn  
NewSfn

所以客户端会收到控制字符。

编辑：Stack Exchange 没有在上面显示 CONTROL CHAR。 NewSfn 就是这样的New(CONTROL CHAR)Sfn。

【讨论】：

对于我的情况，从 DB 数据中输入密钥符号到发送的 jax-ws 服务器。如果使用 URLEncoder.encode(DB_input, "UTF-8")); URLEncoder.decode(DB_output, "UTF-8"));不会丢失数据。
为了说明目的，可以使用单独的字符来表示控制字符。在你的情况下，它会是␏。

【解决方案5】：

当我为某些参数传递空值时，我发现了同样的问题。我改为传递空值或扳手值，此错误消失了。

【讨论】：

【解决方案6】：

我对@ssedano 的回答有点困惑，在我看来，他试图从 ASCII 表 0x00 到 0x1F 中查找所有控制字符，但 0x0A（新行）和 0x0D（回车）以及 0x7F（删除）除外，那么不会有正则表达式

replaceAll("[\\x00-\\x09\\x0B\\x0C\\x0E-\\x1F\\x7F]", "")

【讨论】：

请看问题：“我想要干净的解决方案……而不是删除控制字符。”另请参阅已接受的答案。所以，这并不能回答这个问题。（有了更高的声誉，您可以评论或编辑您所指的其他答案。或者，甚至在相同的基础上对其投反对票。）