如何在 XML 中嵌入二进制数据？

StackOverflow https://stackoverflow.com/questions/19893

  •  09-06-2019
  •  | 
  •  

题

我有两个用 Java 编写的应用程序，它们通过网络使用 XML 消息相互通信。我在接收端使用 SAX 解析器从消息中获取数据。要求之一是将二进制数据嵌入 XML 消息中，但 SAX 不喜欢这样。有谁知道如何做到这一点？

更新：我得到了这个与 Base64 类来自 Apache Commons 编解码器库, ，以防其他人正在尝试类似的事情。

有帮助吗？

解决方案

您可以使用 Base64 对二进制数据进行编码并将其放入 Base64 元素中；下面的文章是关于这个主题的一篇非常好的文章。

处理 XML 文档中的二进制数据

其他提示

XML 是如此多才多艺......

<DATA>
  <BINARY>
    <BIT index="0">0</BIT>
    <BIT index="1">0</BIT>
    <BIT index="2">1</BIT>
    ...
    <BIT index="n">1</BIT>
  </BINARY>
</DATA>

XML 就像暴力——如果它不能解决您的问题，那么您就没有使用足够的它。

编辑：

顺便提一句：Base64 + CDATA 可能是最好的解决方案

（编辑2：
谁upmod了我，也请upmod真正的答案。我们不希望任何可怜的灵魂来到这里并实际实施我的方法，因为它是 SO 上排名最高的，对吗？）

Base64 确实是正确的答案，但 CDATA 不是，这基本上是说：“这可以是任何东西”，但是它必须 不是 可以是任何东西，它必须是 Base64 编码的二进制数据。XML 模式定义 Base 64 二进制作为原始数据类型 您可以在 xsd 中使用它。

我上周就遇到了这个问题。我必须序列化 PDF 文件并将其以 XML 文件形式发送到服务器。

如果您使用 .NET，则可以将二进制文件直接转换为 Base64 字符串并将其粘贴到 XML 元素内。

string base64 = Convert.ToBase64String(File.ReadAllBytes(fileName));

或者，XmlWriter 对象中内置了一个方法。在我的特定情况下，我必须包含 Microsoft 的数据类型命名空间：

StringBuilder sb = new StringBuilder();
System.Xml.XmlWriter xw = XmlWriter.Create(sb);
xw.WriteStartElement("doc");
xw.WriteStartElement("serialized_binary");
xw.WriteAttributeString("types", "dt", "urn:schemas-microsoft-com:datatypes", "bin.base64");
byte[] b = File.ReadAllBytes(fileName);
xw.WriteBase64(b, 0, b.Length);
xw.WriteEndElement();
xw.WriteEndElement();
string abc = sb.ToString();

字符串 abc 看起来像这样：

<?xml version="1.0" encoding="utf-16"?>
<doc>
    <serialized_binary types:dt="bin.base64" xmlns:types="urn:schemas-microsoft-com:datatypes">
        JVBERi0xLjMKJaqrrK0KNCAwIG9iago8PCAvVHlwZSAvSW5mbw...(plus lots more)
    </serialized_binary>
</doc>

我通常用以下方式对二进制数据进行编码 MIME Base64 或者 URL编码.

尝试 Base64 编码/解码您的二进制数据。另请参阅 CDATA 部分

也许将它们编码成一个已知的集合 - 像 Base 64 这样的东西是一个流行的选择。

任何 二进制到文本编码 会成功的。我用类似的东西

<data encoding="yEnc>
<![CDATA[ encoded binary data ]]>
</data>

虽然其他答案大多都很好，但您可以尝试另一种更节省空间的编码方法，例如 yEnc。（yEnc 维基百科链接) 使用 yEnc 还可以“开箱即用”获得校验和功能。阅读下面的链接。当然，由于 XML 没有本机 yEnc 类型，因此您的 XML 模式应该更新以正确描述编码节点。

为什么: ：由于编码策略base64/63、uuencode等。编码使您需要存储和传输的数据量（开销）增加大约 40%（相对于yEnc 的 1-2%）。根据您编码的内容，40% 的开销可能会成为一个问题。

yEnc - 维基百科摘要： https://en.wikipedia.org/wiki/YEncyEnc 是一种二进制到文本的编码方案，用于在 Usenet 上或通过电子邮件传输消息中的二进制文件。...与以前的编码方法（例如 uuencode 和 Base64）相比，yEnc 的另一个优点是包含 CRC 校验和来验证解码的文件是否已完整交付。‎

Base64 开销为 33%。

基础XML 用于XML1.0 开销仅为20%. 。但它不是一个标准，并且只有 C 实现。如果您关心数据大小，请检查一下。请注意，但是浏览器倾向于实现压缩，因此不太需要它。

我在这个线程的讨论之后开发了它： 在 XML 中编码二进制数据：Base64 的替代方案.

你也可以 Uu编码 你原来的二进制数据。这种格式有点旧，但它与 Base63 编码的作用相同。

如果您可以控制 XML 格式，则应该彻底解决问题。您应该考虑如何封装包含多个部分（其中之一包含 XML）的文档，而不是附加二进制 XML。

传统的解决方案是存档（例如柏油）。但是，如果您想以基于文本的格式保存随附文档，或者您无法访问文件归档库，则还有一种在电子邮件和 HTTP 中大量使用的标准化方案，即 多部分/* MIME 和 内容传输编码：二进制.

例如，如果您的服务器通过 HTTP 进行通信，并且您想要发送多部分文档（主要是引用二进制数据的 XML 文档），则 HTTP 通信可能如下所示：

POST / HTTP/1.1
Content-Type: multipart/related; boundary="qd43hdi34udh34id344"
... other headers elided ...

--qd43hdi34udh34id344
Content-Type: application/xml

<myxml>
    <data href="cid:data.bin"/>
</myxml>
--qd43hdi34udh34id344
Content-Id: <data.bin>
Content-type: application/octet-stream
Content-Transfer-Encoding: binary

... binary data ...
--qd43hdi34udh34id344--

如上面的示例所示，XML 通过使用 cid URI 方案是 Content-Id 标头的标识符。该方案的开销只是 MIME 标头。类似的方案也可以用于 HTTP 响应。当然，在 HTTP 协议中，您还可以选择将多部分文档发送到单独的请求/响应中。

如果您想避免将数据包装在多部分中，请使用数据 URI：

<myxml>
    <data href="data:application/something;charset=utf-8;base64,dGVzdGRhdGE="/>
</myxml>

但这有 Base64 开销。

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top