替换特殊字符xml文件答案

【问题标题】：replace special characters xml file替换特殊字符xml文件
【发布时间】：2011-03-02 20:34:20
【问题描述】：

我每天都会收到一个通过 XSLT 进程运行的 XML；但是，偶尔的特殊字符会导致此中断。我正在寻找一些实用程序来清理 XML 并用正确的 html 数字编码替换特殊字符。只需要一个实用程序或一个想法。

来自 cmets 的更新

XML 有时会包含一个 ¢ 等特殊字符比&#xA2; 所以我需要一种改变的方法标签的特殊字符

【问题讨论】：

你能发个样本吗？如果它是有效的 XML，它不应该破坏您的 XSLT。你确定它是有效的吗？
XML 有时会包含一个特殊字符，例如 ¢ 而不是 ¢所以我需要一种将特殊字符更改为标签的方法。所以偶尔它是无效的。我只需要一些东西来遍历 XML 并将其与几个文本文件或其他东西进行比较。
那么它是 not 有效的 XML。您需要从源中获取有效的 XML。
正是...它是 3p 软件生成 xml，所以这就是为什么我需要某种类型的清理实用程序
解决了这个问题使用 XSLT 中称为字符映射的功能比使用实用程序或创建额外脚本效果更好

标签： xml xslt

【解决方案1】：

如果您的 XSLT 代码无法处理此输入 XML，那么输入实际上不是 XML，或者您将其不正确地呈现给 XSLT 处理器。最可能的解释是文件的编码不是文件开头的 XML 声明所说的那样；或者可能没有 XML 声明，因此处理器假定为 UTF-8，但它实际上是 iso-8859-1。解决方案可能很简单，只需在文件开头添加 XML 声明以将编码声明为 iso-8859-1。

【讨论】：

我最近遇到了这个问题；正确设置编码。

【解决方案2】：

“特殊”字符（非 ASCII 的 Unicode 字符）是有效的 XML，因此您应该真正修复您的解析器。如果这不起作用，请通过以下过滤器管道您的代码：

#!/usr/bin/env python

import sys

input = sys.stdin.read().decode('UTF-8')
for c in input:
    sys.stdout.write('&#%04d;' % ord(c) if c >= 128 else c)

将UTF-8 替换为文档的编码。将以上代码保存到xmlentities，调用like

python xmlentities <broken.xml >fixed.xml

【讨论】：

【解决方案3】：

我无法重现此问题

这个样式表：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:template match="node()|@*">
        <xsl:copy>
            <xsl:apply-templates select="node()|@*"/>
        </xsl:copy>
    </xsl:template>
</xsl:stylesheet>

有了这个输入：

<t>¢</t>

输出：

<?xml version="1.0" encoding="UTF-16"?>
<t>¢</t>

【讨论】：