xml中的非法字符

今使用Jdom生成xml文件的时候，总是出现0x0,0x8为非法字符，经过搜索，问题原因及解决方法如下：

 

原因：

xml中需要过滤的字符分为两类，一类是不允许出现在xml中的字符，这些字符不在xml的定义范围之内。另一类是xml自身要使用的字符，如果内容中有这些字符则需被替换成别的字符。

 

第一类字符：

对于第一类字符，我们可以通过W3C的XML文档来查看都有哪些字符不被允许出现在xml文档中。

XML允许的字符范围是“#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]”。因此我们可以把这个范围之外的字符过滤掉。

需要过滤的字符的范围为：

\\x00-\\x08

\\x0b-\\x0c

\\x0e-\\x1f

 

第二类字符：

对于第二类字符一共有5个，如下：

字符                HTML字符        字符编码

和(and) &        &            &

单引号  ’ '            '

双引号  ”          "            "

大于号  >        >                  >

小于号  <        &lt;                   &#60;

我们只需要对这个五个字符，进行相应的替换就可以了

 

解决方法：

 

用正则表达式替换，

用正则表达式表示如下：[<>&'\"\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]