十进制表示必须紧跟字符引用中的“&#”答案

【问题标题】：A decimal representation must immediately follow the "&#" in a character reference十进制表示必须紧跟字符引用中的“&#”
【发布时间】：2016-03-04 11:20:28
【问题描述】：

我正在通过 tika 获取 pdf 文档的内容并将其发送到 solr 以通过 Coldfusion 9 中的 xml 请求对其进行索引这是我的代码。

<cfset gatt = new getallthetexts.textextractor()>
<cfset result= gatt.read(pdfpath)>
<cfset content = xmlFormat(result.text)>
<!---escape unicode characters--->
<cfset p= createObject("java","java.util.regex.Pattern").compile("[^\\u0009\\u000A\\u000D\u0020-\\uD7FF\\uE000-\\uFFFD\\u10000-\\u10FFF]+")>
<cfset p.matcher(content).replaceAll("")>
<cfxml variable="xml">
 <add>
     <field name="content">#content#</field>
 </add>
</cfxml>

现在我面临以下错误：

十进制表示必须紧跟在“”之后字符参考。

我在以下链接中使用了示例来获取 pdf 的内容： https://github.com/cfjedimaster/getallthetexts/blob/master/test1.cfm

谁能帮我解决这个问题。

【问题讨论】：

您是否验证了您从 tika 获得的数据实际上是有效的 PDF？您如何序列化 PDF 二进制文件以插入 XML？基本上：向我们展示一些代码。 sscce.org
#Adam，我刚刚用代码更新了我的问题。

标签： xml unicode solr coldfusion coldfusion-9

【解决方案1】：

我正在按照亚当的建议更新我的答案。现在我已经使用 owasp 为 xml 编码文本。

我已从以下链接下载了最新版本的 OWASP jar 文件： https://www.owasp.org/index.php/OWASP_Java_Encoder_Project

我已经使用 javaloader 加载 jar 文件，这里是具有使用 OWASP 将文本解析为 XML 的功能的组件。

component {

    public function init() {
        variables.javaloader = new javaloader.JavaLoader().init([getDirectoryFromPath(getCurrentTemplatePath()) & 'encoder.jar'],true);
        return this;
    }   
    public function parseTextForXML(required string inputText) {
        esapi=variables.javaloader.create('org.owasp.esapi.ESAPI');
        esapiEncoder = esapi.encoder();
        return esapiEncoder.encodeForXML(inputText);
    }

}

并使用 CDATA 的功能解决了我的问题。代码如下：

<cfset gatt = new getallthetexts.textextractor()>
<cfset encoderObj = new encoder()>
<cfset result= gatt.read(pdfpath)>
<cfset content = encoderObj.parseTextForXML(result.text)>
<cfxml variable="xml">
 <add>
     <field name="content"><![CDATA[#content#]]></field>
 </add>
</cfxml>

【讨论】：

问题在于，您实际上是在无缘无故地更改数据中的值。如果您只是正确地对数据进行编码，您将不会遇到您试图在此处手动“修复”的问题。
@Adam，是的，你是对的。我试图对其进行编码，但面临错误。可能是我无法正确地做到这一点。我使用了来自 link 的 encodeforxml。并面临这个错误：“字符引用“”是无效的 XML 字符”..这就是我使用这些函数的原因。感谢您的帮助。
再一次，如果您遇到问题... 问一个问题（但要正确地提出问题，使用重现案例等），不要只是编写糟糕的代码墙纸的情况。
感谢@adam。我会记住你的建议。现在，我想在 SOLR 中测试一些东西。之后我会尝试 encodeforxml 函数并提出问题，如果我会遇到问题。

【解决方案2】：

您的代码没有显示您随后对content 执行的操作，这是关键位！

另外，您使用的是哪个版本的 ColdFusion？当您提出问题时，请务必说明这一点。

但无论如何，我可以在答案上赌一把。

xmlFormat() 有错误（就像您所看到的那样！），所以这里不是最好的选择，所以它没有声称根据您的问题清除低端字符。

这一切都在文档 (xmlFormat()) 中，这应该是您遇到此类问题的第一站。

十进制表示必须紧跟字符引用中的“&#”

推荐的解决方案

ColdFusion 10 及更高版本

ColdFusion 9 及以下