Woodstox解析器不支持某些unicode字符

Question

我刚开始使用WoodStox。我必须读取Unicode字符的所有可能组合并写入XML文件。WoodStox无法读取某些Unicode字符。有人能帮我吗?当遇到这个字符时，我如何跳过这个字符，或者在XML文件中编写这个Unicode字符的一些解决方案。

我得到的例外是24364002-数据集-结果: SXXP0003: XML解析器报告的错误:字符引用"￾“的第1列1404735上的错误是无效的XML字符。例外是: net.sf.saxon.trans.XPathException: org.xml.sax.SAXParseException:字符引用"￾“是无效的XML字符。

Answer 1

我也不熟悉WoodStox，但我可以说FFFE确实不是一个有效的Unicode字符，所以它可能更多地是输入的问题，而不是解析器的问题。FFFE是一些编码器最常用的UTF-16编码，用来表示字节顺序(小的或大的)。根据它是以FFFE还是FEFF的形式读取，解码器知道要选择哪个字节顺序。但这不是一个标准，也不是所有的解码器都支持它。

这样使用时，它总是文件的前两个字节。

所以，你需要检查的是：

• 您是否使用正确的字符编码(通常是UTF-8或UTF-16 )？
• (如果使用UTF-16)，您的文件是从FFFE还是FFFE开始？
• WoodStox是否有允许自动检测字节顺序的设置？

。

最坏的情况是，如果您的文件以FFFE或FFEF开头，则只需将其从文件中删除，然后再将其提供给WoodStox。不过，请确保在WoodStox中设置了正确的字节顺序。