正则表达式替换后的 xml 格式错误答案

【问题标题】：Malformed xml after regex replacement正则表达式替换后的 xml 格式错误
【发布时间】：2014-05-15 23:16:39
【问题描述】：

我正在尝试使用 Java 解析 XML 文件。在开始解析之前，我需要替换（编码）<code> 和 </code> 标签之间的一些文本。

因此我将文件的内容读入一个字符串：

File xml = new File(this.xmlFileName);
final BufferedReader reader = new BufferedReader(new FileReader(xml));
final StringBuilder contents = new StringBuilder();
while (reader.ready()) {
    contents.append(reader.readLine());
}
reader.close();
final String stringContents = contents.toString();

在将 XML 读入字符串后，我使用 Pattern 和 Matcher 对值进行编码：

StringBuffer sb = new StringBuffer();
Pattern p = Pattern.compile("<code>(.*?)</code>", Pattern.DOTALL);
Matcher m = p.matcher(stringContents);
while (m.find()) {
    //Encode text between <code> and </code> tags
    String valueFromTags = m.group(1);
    byte[] decodedBytes = valueFromTags.getBytes();
    new Base64();
    String encodedBytes = Base64.encodeBase64String(decodedBytes);
    m.appendReplacement(sb, "<code>" + encodedBytes + "</code>");
}
m.appendTail(sb);
String result = sb.toString();

替换完成后，我尝试将 String 读入 XML 解析器：

DocumentBuilderFactory dbFactory = DocumentBuilderFactory
        .newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(result);
doc.getDocumentElement().normalize();

然后我得到这个错误：java.net.MalformedURLException: no protocol: <root> <application> <interface>...

如您所见，在我将File 读入String 后，由于某些原因，添加了很多空格，原始文件中有换行符或制表符。所以我认为这就是我收到此错误的原因。有什么办法可以解决吗？

【问题讨论】：

Obligatory link。我认为这是为什么你应该永远这样做的一个典型例子。
那么在 和 标签之间编码文本的正确方法是什么？因为我无法在编码之前对其进行解析，所以它包含像这样的特殊字符，因此解析器会出错。但请注意，在我的示例中解析器无法解析 xml 的问题与我使用 BufferedReader 将其读入字符串的方式有关。在正则表达式更改之前，空格已经存在。
那么，您没有有效的 XML。找到一些有效的 XML。
如果我让解析器读取由 BufferedReader 读取的 File 对象而不是 String，解析器可以工作并且没有任何错误。所以 XML 是有效的。但是为了进行替换，我必须先将它读入一个字符串，这就是它出错的地方。

标签： java xml dom bufferedreader

【解决方案1】：

我认为您仍然需要检查 readLine 没有返回 null。

while ((line = reader.readLine()) != null) {
   contents.append(line)
}

【讨论】：