无效的 XML 字符：处理 xml 时出现 xslt 错误答案

【问题标题】：Invalid XML character : xslt error while processing xml无效的 XML 字符：处理 xml 时出现 xslt 错误
【发布时间】：2023-03-18 18:50:01
【问题描述】：

在使用 xslt 处理 xml 时，我收到以下错误，但我在 xml 中看不到这些字符

Character reference "&#16" is an invalid XML character.
Character reference "&#4" is an invalid XML character.
Character reference "&#4" is an invalid XML character.
Character reference "&#18" is an invalid XML character.
Character reference "&#1" is an invalid XML character.
Character reference "&#2" is an invalid XML character.
Character reference "&#25" is an invalid XML character.

请指教。

xml 由具有 utf 8 字符编码的 csv 文本文件形成。

【问题讨论】：

标签： xml xslt xslt-2.0

【解决方案1】：

&# 后面的数字是十进制格式的 ASCII 代码（&#x 将指定十六进制格式的代码）。这些代码 16、4、18 等没有指定任何可打印字符，但它们是默认情况下通常在文本编辑器中不可见的控制字符。 XML 中不允许使用这些字符或实际字节（少数例外），因此您的 XML 无效。

CSV 文件可能包含这些非法字节，并且 XML 是在没有任何内容验证的情况下形成的（即 CSV 文件的内容只是逐字节复制到 XML 中）。

这里有一些选项：

检查您的 XSLT 处理器是否可以配置为忽略这些非法字节。
使用一些低级数据处理器自行清理这些字符，该处理器仅读取字节并从中删除所有非法字节。
如果 csv 到 xml 的转换在您的控制之下，请修复它以生成有效的 XML。
如果是第三方应用程序，您应该向供应商请求修复。
使用其他工具从 CSV 文件创建 XML。

【讨论】：

非常感谢您的意见。您对删除这些控制字符的方法有什么建议吗？
@Hari 我已经在我的回答中列出了一些选项供您考虑。
我已经使用 java 代码删除了控制字符。非常感谢大家的支持

【解决方案2】：

这些字符引用在 XML 1.1 中是合法的，但在 XML 1.0 中是不合法的。检查您使用的 XML 解析器是否支持 XML 1.1，以及文件顶部的 XML 声明是否指定了<?xml version="1.1"?>。

【讨论】：

【解决方案3】：

这些是控制字符。不允许使用控制字符和超出 Unicode 范围的字符。这也意味着禁止调用例如字符实体&#x4;。

见XML recommendation 1.0, §2.2 Characters

允许的字符的全局列表是：

[2] 字符 ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* 任何 Unicode 字符，不包括代理块、FFFE 和 FFFF。 */

【讨论】：

【解决方案4】：

这些是non-printable ASCII control codes，范围从 ASCII 表中的十进制 0 或 1 到 31。它们在文本编辑器中是不可见的，因此您看不到它们。如果您可以将编辑器切换到十六进制模式，您会在普通 UTF-8（或其他）编码（如 41h for 'A '，42h 用于'B'。

因此，摆脱它们的最简单方法是使用过滤掉它们的工具。使用 linux 你可以使用the approach described here。

【讨论】：