Unmarshall期间XML字符无效

Question

我正在使用编码“UTF-8”将对象编组为XML文件。它成功生成文件。但是，当我尝试解组回来，有一个错误：

An invalid XML character (Unicode: 0x{2}) was found in the value of attribute "{1}" and element is "0"

的字符是0x1A的或\ u001a，这是XML的UTF-8有效的，但非法的。 JAXB中的Marshaller允许将此字符写入XML文件，但Unmarshaller无法解析它。我试图使用另一种编码（UTF-16，ASCII等），但仍然错误。

常见的解决方案是在XML解析之前删除/替换此无效字符。但是如果我们需要这个角色，那么在解组之后如何获得原始角色呢？

---

在寻找此解决方案时，我想在取消编组之前用替代字符（例如dot =“。”）替换无效字符。

我创造了这个类：

public class InvalidXMLCharacterFilterReader extends FilterReader { 

    public static final char substitute = '.'; 

    public InvalidXMLCharacterFilterReader(Reader in) { 
     super(in); 
    } 

    @Override 
    public int read(char[] cbuf, int off, int len) throws IOException { 

     int read = super.read(cbuf, off, len); 

     if (read == -1) 
      return -1; 

     for (int readPos = off; readPos < off + read; readPos++) { 
      if(!isValid(cbuf[readPos])) { 
        cbuf[readPos] = substitute; 
      } 
     } 

     return readPos - off + 1; 
    } 

    public boolean isValid(char c) { 
     if((c == 0x9) 
       || (c == 0xA) 
       || (c == 0xD) 
       || ((c >= 0x20) && (c <= 0xD7FF)) 
       || ((c >= 0xE000) && (c <= 0xFFFD)) 
       || ((c >= 0x10000) && (c <= 0x10FFFF))) 
     { 
      return true; 
     } else 
      return false; 
    } 
} 

那么这就是我如何读解组文件：

FileReader fileReader = new FileReader(this.getFile()); 
Reader reader = new InvalidXMLCharacterFilterReader(fileReader); 
Object o = (Object)um.unmarshal(reader); 

不知何故，读者不替换我想要的字符无效字符。它导致错误的XML数据不能被解组。我的InvalidXMLCharacterFilterReader类有什么问题吗？

Answer 1

我觉得主要的问题是在编组期间逃脱非法字符。类似的东西被提到here，你可以试试看。

提供改变编码为Unicode marshaller.setProperty("jaxb.encoding", "Unicode");

Answer 2

Unicode字符U + 001A是illegal in XML 1.0：

用来表示它不会在这种情况下，重要的编码，它只是不允许出现在XML内容。

XML 1.1 allows some of the restricted characters（包括U + 001A）被包括在内，但它们必须存在作为数字字符引用（）

维基百科有a nice summary of the situation。