[英]filter/remove invalid xml characters from stream
首先,我不能更改xml的輸出,它是由第三方生產的。 他們在xml中插入無效字符。 我得到了xml字節流表示形式的InputStream。 除了將流消費為String並對其進行處理之外,他們是否更干凈的方法來過濾出有害字符? 我發現了這一點: 使用FilterReader,但這對我不起作用,因為我有字節流而不是字符流。
為了值得,這是jaxb解組過程的全部內容,以防萬一提供選項。
如果字符流不好,我們不願意拋棄整個流。 我們已決定將其刪除並繼續。
這是我嘗試構建的FilterReader。
public class InvalidXMLCharacterFilterReader extends FilterReader {
private static final Log LOG = LogFactory
.getLog(InvalidXMLCharacterFilterReader.class);
public InvalidXMLCharacterFilterReader(Reader in) {
super(in);
}
public int read() throws IOException {
char[] buf = new char[1];
int result = read(buf, 0, 1);
if (result == -1)
return -1;
else
return (int) buf[0];
}
public int read(char[] buf, int from, int len) throws IOException {
int count = 0;
while (count == 0) {
count = in.read(buf, from, len);
if (count == -1)
return -1;
int last = from;
for (int i = from; i < from + count; i++) {
LOG.debug("" + (char)buf[i]);
if(!isBadXMLChar(buf[i])) {
buf[last++] = buf[i];
}
}
count = last - from;
}
return count;
}
private boolean isBadXMLChar(char c) {
if ((c == 0x9) ||
(c == 0xA) ||
(c == 0xD) ||
((c >= 0x20) && (c <= 0xD7FF)) ||
((c >= 0xE000) && (c <= 0xFFFD)) ||
((c >= 0x10000) && (c <= 0x10FFFF))) {
return false;
}
return true;
}
}
這是我解組的方式:
jaxbContext = JAXBContext.newInstance(MyObj.class);
Unmarshaller unMarshaller = jaxbContext.createUnmarshaller();
Reader r = new InvalidXMLCharacterFilterReader(new BufferedReader(new InputStreamReader(is, "UTF-8")));
MyObj obj = (MyObj) unMarshaller.unmarshal(r);
和一些示例錯誤的XML
<?xml version="1.0" encoding="UTF-8" ?>
<foo>
bar
</foo>
為了使用過濾器執行此操作,該過濾器需要了解XML實體,因為(至少在您的示例中,有時甚至在實際使用中)不良字符作為實體存在於xml中。
篩選器將您的實體視為由6個完全可接受的字符組成的序列,因此沒有剝離它們。
破壞JAXB的轉換將在此過程的后面進行。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.