2

まず最初に、xmlの出力を変更することはできません。これはサードパーティによって生成されています。xmlに無効な文字を挿入しています。xmlのバイトストリーム表現のInputStreamが与えられます。ストリームを文字列に消費して処理する以外に、問題のある文字を除外するためのよりクリーンな方法ですか？私はこれを見つけました：FilterReaderを使用していますが、文字ストリームではなくバイトストリームがあるため、これは機能しません。

オプションを提供する場合に備えて、これはすべてjaxbアンマーシャリング手順の一部です。

キャラクターが悪い場合は、ストリーム全体を投げるつもりはありません。それらを削除して続行することにしました。

これが私が作成しようとしたFilterReaderです。

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;
    }

}

そして、これが私がそれをアンマーシャリングする方法です：

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);

といくつかの例の悪いxml

<?xml version="1.0" encoding="UTF-8" ?>
<foo>
    bar&#x01;
</foo>
4

1 に答える 1

1

フィルターでこれを行うには、フィルターは XML エンティティを認識している必要があります。これは、(少なくともあなたの例では、実際に使用されている可能性が高い) 悪い文字がエンティティとして xml に含まれているためです。

フィルターは、エンティティを完全に受け入れられる 6 文字のシーケンスとして認識しているため、それらを削除していません。

JAXB を破壊する変換は、プロセスの後半で行われます。

于 2010-07-09T23:26:08.967 に答える