java - 如何删除 XML 中的特殊字符，并且在读取此 xml 文件时不应导致错误 "Invalid byte 1 of 1-byte UTF-8 sequence"

Question

我收到错误

Invalid byte 1 of 1-byte UTF-8 sequence

在 Java 中读取 XML 文件以生成 XSD 时。

然后我注意到我的 XML 确实有一些特殊字符，例如“””“？& 等。因此，在处理 XML 生成 XSD 之前，我设法在 Java 中删除它们。但挑战在于它是动态数据，因此我们可能不知道会遇到什么样的字符。

我们如何巧妙地删除这些特殊字符？这样它就可以匹配UTF-8编码并且永远不会出现这个问题？

可以在 XSLT 中解决这个问题以删除字符吗？

我们如何从下面的部分中删除这些字符或允许没有问题？

 <string>message</string>
                    <string>Very good dear laughing colours laken yeh heart bhot karap hota ha brain ke baat nahi sunte ha Allah bhagwan god Na yeh kuy banayai ha dear friends 😢 😢 😢❤👍</string>

<string>message</string>
                    <string>वक़्त 🕔 और  दोस्त_मिलते 👫 तो  मुफ्त_हैं, ☺
लेकिन  उनकी_कीमत 💵 का  अंदाज़ा 😌 तब  होता_है, ☝  जब ये कहीं  खो_जाते है ।...
#</string>

注意:我将 XML 文档的编码设置为 UTF-8。

Answer 1

您的错误听起来像是您的 XML 文档包含 XML 中禁止的单字节控制字符。 XML 禁止某些字符出现在文档中；请参阅 https://www.w3.org/TR/xml/#charsets 处的 Char 生成方式XML 1.0 中允许字符的列表。

您需要在这些字符到达 XML 之前将其删除；否则您的 XML 将出现格式错误，此时 XSLT 将无法转换您的文档。

如果您需要转换有效 XML 字符，XSLT 可以使用translate 函数来实现。例如，在所有文本节点上运行的 translate(Windows-1252_string, "„“”", "„“”") 应处理 Windows-1252 编码的引号。当然，最好确保该输入在到达 XML 之前就已修复。