java - 解析 XML 中存在的垂直制表符编码字符

Question

我正在处理一个从输入生成 XML 的遗留系统。此输入有时包含垂直制表符 控制字符。这些字符然后在生成的 XML 中进行编码。垂直制表符可以用 Java 字符串写成 \u000B。下面是一个示例代码，说明发生了什么(原始过程从输入中获取字符串，并在没有任何预处理的情况下创建文本节点):

    DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();
    DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder();
    Document doc = documentBuilder.parse(new InputSource(new StringReader("<xml></xml>")));
    Element sample = doc.createElement("sample");
    sample.appendChild(doc.createTextNode("Hello\u000BWorld"));
    doc.getDocumentElement().appendChild(sample);

    TransformerFactory tf = TransformerFactory.newInstance();
    Transformer transformer = tf.newTransformer();
    transformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, "no");
    transformer.setOutputProperty(OutputKeys.METHOD, "xml");
    transformer.setOutputProperty(OutputKeys.INDENT, "yes");
    transformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
    transformer.setOutputProperty("{http://xml.apache.org/xslt}indent-amount", "4");
    transformer.transform(new DOMSource(doc), new StreamResult(new OutputStreamWriter(System.out, "UTF-8")));

这会产生一个无效的 XML 文档:

<?xml version="1.0" encoding="UTF-8"?><xml>
    <sample>Hello&#11;World</sample>
</xml>

现在我需要使用相同的解析器，即:

DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder();
Document doc = documentBuilder.parse(new InputSource(new StringReader(theResultFromAbove)));

并再次生成 Document 实例。但这失败了:

[Fatal Error] :2:23: Character reference "&#
org.xml.sax.SAXParseException; lineNumber: 2; columnNumber: 23; Character reference "&#
    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(DOMParser.java:257)

我控制了第二个解析器，因此我可以在它解析输出之前搜索并替换 。我还对首先生成 XML 的代码有一定的控制权，因此我可以在所有这些发生之前简单地删除垂直制表符。

但是，我可以做些什么来添加 或实现  实体，这样解析器不仅会对其进行编码，还能正确解码？

Answer 1

不确定这是否适合您，但是将 XML 版本从 1.0 更改为 1.1 会打开有效字符列表以包括除 0x00 之外的所有控制字符，从而使文档包含 0x0B 或 VT 有效。

要将版本设置为 1.1，请在转换器中添加以下配置:

transformer.setOutputProperty(OutputKeys.VERSION, "1.1");