xml - 处理垂直制表符和其他无效 xml 字符的最佳实践

Question

我有一个应用程序(与许多其他应用程序一样)接收用户输入，将其存储在数据库中，然后使用(除其他外)XML 工具对其进行处理。该应用程序接受自由文本输入，并且像许多其他开发人员一样，我在转义和引用时非常小心，因此它可以处理包含不同类型的空格、引号字符、保留的 XML 字符等的输入。

但是，有时用户会设法输入包含垂直制表符(十六进制 0B)或换页符(十六进制 0C)的字符串。这根本无法由 XML 工具处理，并导致应用程序停止运行。

在我的应用程序中，在“往返”过程中保留原始输入非常重要，所以我不愿意去掉任何我不喜欢的字符，尤其是换页之类的东西，它们仍然偶尔在纯文本文件。

当涉及到 XML 处理时，是否有任何可接受的最佳实践或通用策略来处理这些字符？

Answer 1

是的，不幸的是有些字符在 XML 中是非法的，并且没有等效的实体。作为这些示例之一，请参见:

http://www.jdom.org/docs/apidocs.1.1/org/jdom/Element.html#setText(java.lang.String)

这是一个 String setter...可以抛出异常!垂直制表符恰好是没有 XML 实体的字符之一，也没有单独使用 XML 来“转义”它的方法。

我自己正在解决这个问题，方法是使用 base64 编码来清理可能包含这些字符的字符串。这有点傻，因为我必须一直进行 base64 编码和解码，但我认为没有好的选择。