wap应用需要注意的XML非法字符问题

做产品的bug修复中发现如果邮件主题出现一些特殊字符，会导致手机模拟器无法打开网页，xml无法被正常解析。

第一步分析以为是转义字符引起的xml标签不对称，对邮件主题加CDATA标签，重启服务后，问题仍然出现。



经过查找资料, 发现是XML文件中包含了一些不允许在XML中使用的字符(控制符). XML规范中规定了允许的字符范围(http://www.w3.org/TR/REC-xml#dt-character):

Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]



所以这类以xml为内容载体的wap内容格式，所有显示内容都需隔绝除上述范围的编码值，否则会产生严重的功能障碍。在邮件主题和内容的标签加上如下处理：



    /**

     * 使用空格替代非法字符.

     *

     * @param text

     * @return

     */

    public static String replaceInvaldateCharacter(String text)

    {

        if (text != null) {

            char[] data = text.toCharArray();

            for (int i = 0; i < data.length; i++) {

                if(!isXMLCharacter( data[i])){

                    data[i] = 0x20;

                }

            }

            return new String(data);

        }

        return text;

    }



    /**

     * 检查字符是否为合法的xml字符。

     * XML规范中规定了允许的字符范围(http://www.w3.org/TR/REC-xml#dt-character):

     * Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]

     *

     * @param c

     * @return

     */

    private static boolean isXMLCharacter(int c)

    {



        if (c <= 0xD7FF) {

            if (c >= 0x20) {

                return true;

            }

            else {

                return c == '\n' ||  c == '\r' || c == '\t';

            }

        }



        return (c>=0xE000 && c<= 0xFFFD) || (c>=0x10000 && c<= 0x10FFFF);

}



经过非法字符的替换处理后，包含非法XML字符的邮件可以正常阅读。

综上所述，对于wml出现的内容，需要做以下处理：

1、   替换非法的XML字符

2、对于可能出现’<’，’/’，’&’，’>’等字符的内容需要进行转义字符替换，或者使用CDATA包起来