Woodstox StAX -如何关闭文本内容验证？

Question

我正在使用默认的Woodstox EventReader读取XML文件，例如：

XMLInputFactory.newInstance().createXMLEventReader(new FileInputStream(fileName));

如果输入文件的某些文本内容中恰好包含Unicode空字符，则会发生以下异常/Stacktrace：

WstxUnexpectedCharException.<init>(String, Location, char) line: 17 
ValidatingStreamReader(StreamScanner).constructNullCharException() line: 604    
ValidatingStreamReader(StreamScanner).throwInvalidSpace(int, boolean) line: 633 
ValidatingStreamReader(BasicStreamReader).readTextSecondary(int, boolean) line: 4624    
ValidatingStreamReader(BasicStreamReader).finishToken(boolean) line: 3661   
ValidatingStreamReader(BasicStreamReader).next() line: 1063 
WstxEventReader(Stax2EventReaderImpl).nextEvent() line: 255 

我希望避免验证文本内容。在XMLInputFactory上设置IS_VALIDATING不能解决问题。

检查源代码后，BasicStreamReader的next()似乎引用了"mValidateText“变量来确定是否验证。

来自源代码：

/**
 * Flag that indicates that textual content (CDATA, CHARACTERS) is to
 * be validated within current element's scope. Enabled if one of
 * validators returns {@link XMLValidator#CONTENT_ALLOW_VALIDATABLE_TEXT},
 * and will prevent lazy parsing of text.
 */
protected boolean mValidateText = false;

我似乎想不出如何在InputFactory或EventReader中更改/设置此值？也许我需要指示InputFactory不使用ValidatingStreamReader，而是使用TypedStreamReader？

Answer 1

需要一个符合规范的XML解析器来拒绝格式错误的内容。您需要修复您的(非)XML，并让解析器完成它的工作。

Answer 2

这不是验证，而是基本的格式良好性问题。验证与DTD、RelaxNG或XML Schema等模式一起使用，这些模式可以为文本内容定义特定的结构或值。因此，与验证相关的设置不会产生任何影响，因为如果内容是格式良好的XML，则会对此进行处理。

您需要做的是对内容进行预处理，以删除或替换少量在XML中非法的字符。这包括0字节。