web-dev-qa-db-ja.com

無効なXML文字（Unicode：0xc）が見つかりました

Java DOMパーサーを使用してXMLファイルを解析すると、次の結果になります。

[Fatal Error] os__flag_8c.xml:103:135: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
org.xml.sax.SAXParseException: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
    at com.Sun.org.Apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)
    at com.Sun.org.Apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)
    at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)
javaxmldomxml-parsing
33
Ashish

データをCDATAブロックにカプセル化する場合でも、XMLドキュメントでは許可されない文字がいくつかあります。

ドキュメントを生成した場合、次のことが必要です。 エンティティエンコードまたは それを取り除きます。誤ったドキュメントがある場合は、解析する前にこれらの文字を削除する必要があります。

このスレッドのドルメンの回答を参照してください： XMLの無効な文字

この記事へのリンク先： http://www.w3.org/TR/xml/#charsets

基本的に、0x9（TAB）、0xA（CR？）、0xD（LF？）を除く、0x20未満のすべての文字は許可されません

40
jishi
public String stripNonValidXMLCharacters(String in) {
    StringBuffer out = new StringBuffer(); // Used to hold the output.
    char current; // Used to reference the current character.

    if (in == null || ("".equals(in))) return ""; // vacancy test.
    for (int i = 0; i < in.length(); i++) {
        current = in.charAt(i); // NOTE: No IndexOutOfBoundsException caught here; it should not happen.
        if ((current == 0x9) ||
            (current == 0xA) ||
            (current == 0xD) ||
            ((current >= 0x20) && (current <= 0xD7FF)) ||
            ((current >= 0xE000) && (current <= 0xFFFD)) ||
            ((current >= 0x10000) && (current <= 0x10FFFF)))
            out.append(current);
    }
    return out.toString();
}
8
Dima

文字0x0CはXML 1.0では無効ですが、 XML 1.1では有効な文字 になります。したがって、xmlファイルでプロローグでバージョン1.1が指定されていない限り、それは単に無効であり、このファイルのプロデューサーに文句を言う必要があります。

6
Jörn Horstmann

このリンクには、Javaというコードがあり、完全に正常に動作します。

http://blog.mark-mclaren.info/2007/02/invalid-xml-characters-when-valid-utf8_5873.html

2
Vikram

無効なxml文字がxmlになるたびに、このようなエラーが発生します。 uをnotepad ++で開くと、VT、SOH、FFのように見えますが、これらは無効なxml文字です。私はXMLバージョン1.0を使用しており、パターンごとにデータベースに入力する前にテキストデータを検証します

Pattern p = Pattern.compile("[^\u0009\u000A\u000D\u0020-\uD7FF\uE000-\uFFFD\u10000-\u10FFF]+"); 
retunContent = p.matcher(retunContent).replaceAll("");

無効な特殊文字がxmlに入力されないようにします

2
Komal

カスタムのFilterReaderクラスを使用して、すべての「無効な」文字をフィルタリングできます。

public class InvalidXmlCharacterFilter extends FilterReader {

    protected InvalidXmlCharacterFilter(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 read;

        for (int i = off; i < off + read; i++) {
            if (!XMLChar.isValid(cbuf[i])) cbuf[i] = '?';
        }
        return read;
    }
}

そして、次のように実行します：

InputStream fileStream = new FileInputStream(xmlFile);
Reader reader = new BufferedReader(new InputStreamReader(fileStream, charset));
InvalidXmlCharacterFilter filter = new InvalidXmlCharacterFilter(reader);
InputSource is = new InputSource(filter);
xmlReader.parse(is);
2
Vadim Zin4uk

これらの答えはすべて、ユーザーがgSOAPから受け取るのではなく、悪いXMLを生成していることを前提としているようです。

0
Jerry Miller

バイト配列を文字列に読み込んで、JAXBを使用してオブジェクトに変換しようとしている場合は、次のようにバイト配列から文字列を作成して「iso-8859-1」エンコーディングを追加できます。

文字列JAXBallowedString = new String（byte [] input、 "iso-8859-1"）;

これにより、競合するバイトが、JAXBが処理できるシングルバイトエンコーディングに置き換えられます。明らかに、この解決策はxmlを解析することだけです。

0
BatBold

XMLに制御文字が含まれていた同様の問題に直面しました。コードを調べた結果、文字列コンテンツの読み取りに非推奨のクラスであるStringBufferInputStreamが使用されていることがわかりました。

http://docs.Oracle.com/javase/7/docs/api/Java/io/StringBufferInputStream.html

This class does not properly convert characters into bytes. As of JDK 1.1, the preferred way to create a stream from a string is via the StringReader class.

ByteArrayInputStreamに変更したところ、うまく機能しました。

0
Mohit