xml 的特殊字符的处理方法

遇到这一方面的问题是因为我试图把一个对象序列化之后存贮到xml文件中，然后从xml文件中读取字符串，并反序列化对象（hadoop mapreduce程序中通过JobConf向tasktracker传送对象）。

有关序列化：

当我把序列化之后的数据直接存在xml中后，在解析xml时遇到解析错误，原因是有非法字符。在详细阅读xml的说明之后才发现：< > ' " &是不允许作为xml的PCDATA的。要使用这几个字符，必须要把他们替换为内建实体：

实体引用  字符

< <
> >
& &
" "
' '

所以，最直接的方法就是自己控制，在写入xml文件时把特殊字符转为实体引用，在读取的时候，再转回来。当然还有另外一个方法就是不把字符串当PCDATA，而是当成CDATA来使用（没有测试）。

 用实体引用的方法太麻烦，而我的应用xml的格式不能自己规定，所以只好寻找另外的方法：BASE64编码。这是一种常用在网络传输数据的编码方式。把存在这些非法字符的字符编码成base64编码，就不会有这些字符了。最重要的是java api中提供了这种编码的编码器和解码器，位于sun.misc的BASE64Encoder和BASE64Decoder。这样就可以把序列化之后得到的字节流转化成字符串了。并且也可以存贮在xml文件中。

不过这两个类并不是sun的开放api，编译会有警告。