xml：无法追踪无效字符

Question

我正在尝试通过 xslt 转换 xml 文件，但无法找到导致解析器阻塞文件的字符。在转换过程中，我收到此错误：

myfile.xml:1: parser error : Input is not proper UTF-8, indicate encoding !
Bytes: 0xBC 0x29 0x20 0x69
g said premises on the West which does not encroach over one and one quarter (1 
                                                                           ^
unable to parse myfile.xml

当我在不同的编辑器中搜索该位置时，一些编辑器理解代码并显示其呈现的字符：

over one and one quarter (1 ¼)

而其他编辑器不显示默认系统字符：

uarter (1 �)

我可以手动将文件搜索到那个位置，如果是那个字符，确定它是supposed to be¼，但我希望能够在运行转换之前找到并替换这些字符。

有没有办法确定上面的字节信息应该给予什么替换？

这是 xml 序言

<?xml version="1.0" encoding="UTF-8"?>

当我使用上面的字符串并在 java 中创建一个字符数组和字节数组时，我得到了

char : ¼ bytes -68

如果我做一个测试：

if (c == '\u00BC') {
            System.out.println("matched one quarter!");
}

然后它匹配...是否有一种简单的方法可以在 java 中循环并以这种方式进行查找/替换？

查找/替换需要在 xslt 转换之前完成，因为解析错误会在启动之前阻塞进程；我认为总体问题是，识别坏字符并用十进制实体替换它们的最佳方法是什么？如上所示，一些编辑器渲染 char，另一些则抛出错误并替换为 '?'或其他一些系统字符。

我认为上面的 java char 测试似乎是迄今为止最好的解决方案。

Answer 1

从表面上看“输入不是正确的 UTF-8”，而“¼”在 UTF-8 中是 0xC2 0xBC， 并采取“指示编码！”从表面上看，我会说您应该返回文件或规范或其他信息的来源，并告诉您的 XSLT 处理器文件的字符编码。

好的，既然您已显示 XML 声明为 UTF-8，那么您的文件无效。没有 XSLT 处理器有义务处理它。发回给发起人。