java筛选器/从流中删除无效的xml字符
首先,我不能更改xml的输出,它是由第三方生成的。他们正在xml中插入无效字符。我得到了xml字节流表示的InputStream。除了将流转换为字符串并进行处理外,它们是否是一种更干净的方法来过滤出有问题的字符?我发现:using a FilterReader但这对我不起作用,因为我有一个字节流而不是字符流
值得一提的是,这都是jaxb解组过程的一部分,以防提供选项
如果这条流的字符不好,我们就不愿意把它整个扔掉。我们已决定将其移除并继续
这是我尝试构建的FilterReader
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;
}
}
下面是我如何解开它的:
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);
还有一些例子是糟糕的xml
<?xml version="1.0" encoding="UTF-8" ?>
<foo>
bar
</foo>
# 1 楼答案
为了使用过滤器做到这一点,过滤器需要具有XML实体意识,因为(至少在您的示例中,有时在实际使用中)坏字符作为实体存在于XML中
过滤器将您的实体视为6个完全可以接受的字符的序列,因此不会剥离它们
破坏JAXB的转换将在该过程的后面进行