XML 编码设置和特定字符集答案

【问题标题】：XML encoding setup and specific charsetsXML 编码设置和特定字符集
【发布时间】：2013-11-26 12:07:35
【问题描述】：

我必须阅读具有 X; 字符集的大型 XML 文档（千兆字节），其中 XX 小于 31。通常，我知道这些字符集 (

文件的作者决定在文本中使用这个字符集，而改变它是我无法控制的。

在声明 xml 文件的标头：<?xml version="1.0" encoding ="UTF-8"?> 时，我尝试了除 UTF-8 之外的不同 xml 编码方案声明，但尝试在我的 XML 解析器中呈现它时没有成功。

为了使问题可重现和清晰，请考虑下面的简单 xml 文件（例如，在姓名 Fred 后面有字符集）：

<?xml version="1.0" encoding ="UTF-8"?> 
<TABLE> 
 <GRADES> 
 <STUDENT> Fred &#01; </STUDENT> 
 <TEST1> 1 </TEST1> 
 <TEST2> 2 </TEST2> 
 <FINAL> 3 </FINAL> 
 </GRADES> 
 <GRADES> 
 <STUDENT> Wilma </STUDENT> 
 <TEST1> 1 </TEST1> 
 <TEST2> 2 </TEST2> 
 <FINAL> 3 </FINAL> 
 </GRADES> 
</TABLE>

当我在不同的浏览器中读取这些文件时，我得到了错误：

第 4 行第 22 列的错误：xmlParseCharRef: invalid xmlChar value 1

我知道一个可能的解决方案是预处理原始文件，查找并替换导致错误的字符，但是有人知道解决此问题的其他方法吗？是否有任何支持 X; 字符集 (XX

【问题讨论】：

标签： xml xml-parsing

【解决方案1】：

并非所有字符在 XML 1.0 中都是合法的。 (http://www.w3.org/TR/REC-xml/#charsets)

如果您的工具支持 XML 1.1，将它们切换到该模式将允许一些以前禁止使用的字符 (http://www.w3.org/TR/xml11/#charsets)

通常的解决方案是不要尝试将控制字符放入 XML 文档中。相反，将二进制数据编码为 hex 或 base64 或其他一些文本表示，并让应用程序代码在需要时将其转换回二进制。

【讨论】：