xml中的非法字符

今使用Jdom生成xml文件的時候，總是出現0x0,0x8為非法字符，經過搜索，問題原因及解決方法如下：

 

原因：

xml中需要過濾的字符分為兩類，一類是不允許出現在xml中的字符，這些字符不在xml的定義范圍之內。另一類是xml自身要使用的字符，如果內容中有這些字符則需被替換成別的字符。

 

第一類字符：

對於第一類字符，我們可以通過W3C的XML文檔來查看都有哪些字符不被允許出現在xml文檔中。

XML允許的字符范圍是“#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]”。因此我們可以把這個范圍之外的字符過濾掉。

需要過濾的字符的范圍為：

\\x00-\\x08

\\x0b-\\x0c

\\x0e-\\x1f

 

第二類字符：

對於第二類字符一共有5個，如下：

字符                HTML字符        字符編碼

和(and) &        &            &

單引號  ’ '            '

雙引號  ”          "            "

大於號  >        >                  >

小於號  <        &lt;                   &#60;

我們只需要對這個五個字符，進行相應的替換就可以了

 

解決方法：

 

用正則表達式替換，

用正則表達式表示如下：[<>&'\"\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]