首先,我无法更改xml的输出,它由第三方生成。他们在XML中插入无效字符。我得到了xml的字节流表示的InputStream。除了将字符串消费到字符串并处理它之外,他们是否更清楚地筛选出违规字符?我发现这个:using a FilterReader但这并不适用于我,因为我有一个字节流,而不是一个字符流。过滤/从流中删除无效的xml字符
为什么它值得这是一个jaxb解组过程的所有部分,以防万一提供选项。
如果字符不好,我们不愿意抛弃整个流。我们决定删除它们并继续。
这是我试图构建的FilterReader。
public class InvalidXMLCharacterFilterReader extends FilterReader
{
private static final Log LOG = LogFactory
.getLog(InvalidXMLCharacterFilterReader.class);
public InvalidXMLCharacterFilterReader(Reader in)
{
super(in);
}
public int read() throws IOException {
char[] buf = new char[1];
int result = read(buf, 0, 1);
if (result == -1)
return -1;
else
return (int) buf[0];
}
public int read(char[] buf, int from, int len) throws IOException {
int count = 0;
while (count == 0) {
count = in.read(buf, from, len);
if (count == -1)
return -1;
int last = from;
for (int i = from; i < from + count; i++) {
LOG.debug("" + (char)buf[i]);
if(!isBadXMLChar(buf[i]))
{
buf[last++] = buf[i];
}
}
count = last - from;
}
return count;
}
private boolean isBadXMLChar(char c)
{
if ((c == 0x9) ||
(c == 0xA) ||
(c == 0xD) ||
((c >= 0x20) && (c <= 0xD7FF)) ||
((c >= 0xE000) && (c <= 0xFFFD)) ||
((c >= 0x10000) && (c <= 0x10FFFF)))
{
return false;
}
return true;
}
}
这里是怎么了解编的:
jaxbContext = JAXBContext.newInstance(MyObj.class);
Unmarshaller unMarshaller = jaxbContext.createUnmarshaller();
Reader r = new InvalidXMLCharacterFilterReader(new BufferedReader(new InputStreamReader(is, "UTF-8")));
MyObj obj = (MyObj) unMarshaller.unmarshal(r);
和一些示例坏的XML
<?xml version="1.0" encoding="UTF-8" ?>
<foo>
bar
</foo>
你确定*他们*插入无效字符吗?是不是你正在使用错误的编码读取二进制流中的字符和/或使用错误的编码显示读取的字符? – BalusC 2010-07-09 18:58:01
你应该检查BalusC的评论。如果您仍然想继续使用FilteredReader实现,那么在将字节流转换为阅读器(使用InputStreamReader)的情况下,只要知道字节流的文本编码就没有问题。 – 2010-07-09 19:23:54
我不知道BalusC在做什么。他们是公然无效的XML 1.0字符。我尝试使用InputStreamReader(以及将其包装在缓冲读取器中),但没有运气。我会用代码更新我的问题。 – DanInDC 2010-07-09 20:43:00