XML解析非法字符问题,有什么好办法可以解决?100分救命啊!!!

[benbacon]

有这样一个应用,把一个一定格式的文本文件,当做纪录集通过XML文件对应,导入到数据库,现在这个文本文件里有一些非法字符(比如UE hex模式下码为1C的字符,在记事本中显示为小黑块,在UE非 hex模式下显示正常),会导致导入时XML解析出错..
问了一位朋友,他说一般ascii码<20的都是非法字符,除了回车换行的0A,0D,因此他建议我导入前选把文本文件过滤一下,把ascii码<20的字符都删掉,照他的意思好像是要把文件中00到19的字符都查找一遍,有没有什么方法,比如正则表达式,可以把这10多个查询写一起的,并都替换成空,有没有人处理过相关类似的问题啊??

救命啊

[lhj]

是用ultraEdit的替换吗？

[lhj]

还是要写代码替换？

[lhj]

import java.util.regex.*;

Pattern p = Pattern.compile("[\x00-\x09\x0b\x0c\x0e-\x19]");
Matcher m = p.matcher(YourxmlStringBuffer);
String nString = m.replaceAll("");

[starsoulxp]

xml:base属性值的合法字符集和XML一样，都是[Unicode]。但是，有些Unicode字符不允许出现在URI引用（URI Reference）中。因此，处理器必须对这些字符进行编码和转义处理，以得到一个合法的URI引用。


不允许在URI引用中出现的字符包括：所有的非ASCII字符，以及在[IETF RFC 2396]2.4节列出的字符中去掉 “#”、“%”和方括号符号后剩下的符号。必须按照下面的方式对这些非法字符进行转义处理：

1. 将每个非法字符转换为UTF-8格式[IETF RFC 2279]（UTF-8用一个或多个字节来表示原来的字符）。

2. 对于每个与非法字符相应的字节[译注//每个非法字符转换为UTF-8格式后，有一个或多个与它相应的字节]，按照URI转义操作机制对它进行转义（也就是说，转换为%HH形式，这里HH是字节值的十六进制记法）。

3. 用最终的字符序列来替换原来的字符。

[lanse89]

可用JDom中的函数做判断啊！
char ch;//ch即是你要判断的字符。
org.jdom.Verifier.isXMLCharacter(ch)
如果反回True就可以在xml中用的。很easy.

[benbacon]

我后来自己想了个笨办法,
String line:需要过滤的字符串
try{
byte[] bytes = line.getBytes("GBK");
for (int i = 0; i < bytes.length; i++) {
if (bytes[i] > 0 && bytes[i] < 32)
bytes[i] = 32;
}
line = new String(bytes, "GBK");
//System.out.println(line);
}catch(Exception e){
e.printStackTrace();
}

[OnlyFor_love]

学习ing！
顶一下！

[ytnice]

up