解析 XML 中的无效字符答案

【问题标题】：Parsing invalid characters in XML解析 XML 中的无效字符
【发布时间】：2016-07-23 05:09:45
【问题描述】：

我正在尝试从 DB 中读取数据并将这些数据分配给 DataObject。但是 DB 中的一列有一个无效的字符（请参阅图像 http://i.stack.imgur.com/6bpx4.png 中突出显示的文本区域），它无法在 XML UTF-8 中解析，任何人都可以帮我解决它。在此先感谢

目前正在使用以下代码删除无效字符

    try {

        out = new StringBuffer(); // Used to hold the output.
    char current; // Used to reference the current character.
    if (in == null || ("".equals(in))) return ""; // vacancy test.
    for (int i = 0; i < in.length(); i++) {
        current = in.charAt(i); // NOTE: No IndexOutOfBoundsException caught here; it should not happen.
        if ((current == 0x9) ||  (current == 0xA) || (current == 0xD) || ((current >= 0x20) && (current <= 0xD7FF)) ||
            ((current >= 0xE000) && (current <= 0xFFFD)) || ((current >= 0x10000) && (current <= 0x10FFFF)))
        {  
            out.append(current);
        }


    }

    return out.toString();

【问题讨论】：

请详细说明什么是解决方案。
目前尚不清楚您所说的内容是无效的以及如何。该字段是否应该包含 UTF-8 编码的文本，并且它包含的字节序列是无效的 UTF-8？或者，只是您想在 XML 文档中放入一系列字符，而它恰好包含 XML 禁止的字符？

标签： java xml xml-parsing

【解决方案1】：

终于解决了我的问题..

您很可能希望同时去除不可打印字符和控制字符。为此，您将使用以下正则表达式："[^\x20-\x7E]" 或者简单地说："[^ -~]"

您也可以参考Replace non ASCII character from string 了解有关此主题的更多信息。

【讨论】：