这些字符对 XML 有效吗？

Question

这是有效的 XML 数据（尤其是 messageContent 的值）吗？

我从 API 获取它。

然后，当我将此 XML 传递给 Postgres 函数以保存到 Postgres DB 时，我得到一个错误。

<rows>

<row messageDateUTC="2020-06-01T21:20:37.120" 

texterAddress="" texterStreet="" messageContent="Hey beautiful it&apos;s Scott!&#55357;&#56842;"  />


</rows>

我想知道这是 API 问题，还是生成 XML 的客户端模块的问题，或者 Postgres 有问题并且无法处理这些字符。

此处出错：

Caused by: org.postgresql.util.PSQLException: ERROR: invalid XML content
  Detail: line 5: xmlParseCharRef: invalid xmlChar value 55357
ddress="" texterStreet="" messageContent="Hey beautiful it's Scott!�
                                                                               ^
line 5: xmlParseCharRef: invalid xmlChar value 56842
" texterStreet="" messageContent="Hey beautiful it's Scott!��
                                                                               ^
line 23: chunk is not well balanced

Answer 1

tl;dr 不，它们是无效的，无论编码是错误的还是被告知有关输入的错误编码信息。

55357 和 56842 分别是十六进制的 0xD83D 和 0xDE0A。

在 Unicode 中，它们分别位于称为“High Surrogate”和“Low Surrogate”的范围内。

这意味着它们不是正确的 Unicode 代码点，而是在 UTF-16 中用于构造不适合 16 位的单个 Unicode 值（即基本多语言平面）。

这两个特定值解码为U+1F60A SMILING FACE WITH SMILING EYES。正确的十进制 HTML 实体是 😊。

最可能的原因是某些不了解 UTF-16 或 认为此文本不是 UTF-16 的转换进行了编码（但应该检测到这些值即使在这种情况下也无效并报告错误）。