xml中的非法字符

 

今使用Jdom生成xml文件的时候，总是出现0x0,0x8为非法字符，经过搜索，问题原因及解决方法如下：

原因：
xml中需要过滤的字符分为两类，一类是不允许出现在xml中的字符，这些字符不在xml的定义范围之内。另一类是xml自身要使用的字符，如果内容中有这些字符则需被替换成别的字符。

第一类字符：
对于第一类字符，我们可以通过W3C的XML文档来查看都有哪些字符不被允许出现在xml文档中。
XML允许的字符范围是“#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]”。因此我们可以把这个范围之外的字符过滤掉。
需要过滤的字符的范围为：
\\x00-\\x08
\\x0b-\\x0c
\\x0e-\\x1f

static final Pattern p3 = Pattern
.compile("[\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]");

 

第二类字符：
对于第二类字符一共有5个，如下：
字符 HTML字符 字符编码
和(and) & & &
单引号 ’ ' '
双引号 ” " "
大于号 > > >
小于号 < &lt; &#60;
我们只需要对这个五个字符，进行相应的替换就可以了

解决方法：

用正则表达式替换，

用正则表达式表示如下：[<>&'\"\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]

 

 

 

http://fishyu0817.iteye.com/blog/612303