Sax无效的XML字符异常

Question

我已经下载了堆栈溢出站点的xml转储。在将转储转储到mysql数据库时，我一直运行到以下错误：出现异常：字符引用“某些字符集如&＃x10”是无效的XML字符。

我用UltraEdit（它是一个800兆文件）从文件中删除一些字符，但是如果我删除了一个无效字符集并运行了解析器，我会收到识别更多无效字符的错误。有关如何解决这个问题的任何建议？

干杯所有，

Ĵ

Answer 1

您正在使用哪种转储？第一个版本出现了问题（不仅是无效字符，而且还出现了<），但它们应该已在second dump中修复。

对于它的价值，我使用两个正则表达式替换了原始无效字符。替换“&＃x0 [12345678BCEF];”和“
”，每个都带有“?” - 当然，它们都是正则表达式。

Answer 2

在XML中允许使用的字符集是here。正如你所看到的，＃x10不是其中之一。如果这些出现在stackoverflow转储中，那么它不符合XML。

或者，您正在使用错误的字符编码读取XML。

Answer 3

您应该将文件转换为UTF-8 我在Java开发，下面是我的转换

公共字符串FileUTF8Cleaner（文件XMLFILE）{

String out = xmlfile+".utf8"; 
    if (new File(out).exists()) 
     System.out.println("### File conversion process ### Deleting utf8 file"); 
     new File(out).delete(); 
     System.out.println("### File conversion process ### Deleting utf8 file [DONE!]"); 

    try { 
     System.out.println("### File conversion process ### Converting file"); 
     FileInputStream fis = new FileInputStream(xmlfile); 
     DataInputStream in = new DataInputStream(fis); 
     BufferedReader br = new BufferedReader(new InputStreamReader(in)); 
     String strLine; 

     FileOutputStream fos = new FileOutputStream(out); 

     while ((strLine = br.readLine()) != null) { 

      fos.write(strLine.replaceAll("\\p{Cc}", "").getBytes()); 
      fos.write("\n".getBytes()); 
     } 

     fos.close(); 
     fis.close(); 
     in.close(); 
     br.close(); 
     System.out.println("### File conversion process ### Converting file [DONE)]"); 

    } catch(Exception e) { 
     e.printStackTrace(); 
    } 

     System.out.println("### File conversion process ### Processing file : "+xmlfile.getAbsolutePath()+" [DONE!]"); 
     return out; 

}