Emoji 字符序列? 打破旧的 XML 流程

Question

我有一个旧的 Java 应用程序，它处理来自第三方数据馈送的 XML。

数据馈送允许用户输入，现在突然包含�� (????) 等表情符号。我真的很惊讶这个问题花了这么长时间才出现（表情符号已经存在了几年）。

该应用在javax.xml.parsers.DocumentBuilder.parse(InputStream) 中爆炸：

org.xml.sax.SAXParseException; lineNumber: 105; columnNumber: 3039; Character reference "&#
    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(DOMParser.java:257)
    at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:348)
    at javax.xml.parsers.DocumentBuilder.parse(DocumentBuilder.java:121)

是否有一个快速的本地化修复程序，我可以应用而无需重新设计和重新架构整个应用程序？此外，更愿意避免正则表达式搜索/替换黑客，因为这可能会引入其他微妙的问题。

Answer 1

�� 是编码为代理对（两个代理）的单个字符。 XML 中的字符引用不能表示（高或低）代理：这些不是合法字符。字符引用应代表整个 Emoji 的 Unicode 代码点，👇。

第三方向您发送了无效的 XML，您应该拒绝它，因为您会拒绝供应商提供的任何其他有缺陷的商品。