¿Cómo codificar caracteres de Oracle a XML?
Pregunta
En mi entorno aquí uso Java para serializar el conjunto de resultados en XML.Sucede básicamente así:
//foreach column of each row
xmlHandler.startElement(uri, lname, "column", attributes);
String chars = rs.getString(i);
xmlHandler.characters(chars.toCharArray(), 0, chars.length());
xmlHandler.endElement(uri, lname, "column");
El XML se ve así en Firefox:
<row num="69004">
<column num="1">10069</column>
<column num="2">sd</column>
<column num="3">FCVolume </column>
</row>
Pero cuando analizo el XML obtengo el a
org.xml.sax.SAXParseException:Referencia de personaje ""Es un carácter XML inválido.
Mi pregunta ahora es:¿Qué caracteres tengo que reemplazar o cómo tengo que codificar mis caracteres para que sean XML válidos?
Solución
Encontré una lista interesante en el Especificaciones XML:Según esa Lista, se desaconseja utilizar el carácter n.° 26 (hexadecimal: #x1A).
Los personajes definidos en los siguientes rangos también se desaniman.Son caracteres de control o personajes unicode permanentemente indefinidos
Ver el gamas completas.
Este código reemplaza todos los Xml Utf8 no válidos de una cadena:
public String stripNonValidXMLCharacters(String in) {
StringBuffer out = new StringBuffer(); // Used to hold the output.
char current; // Used to reference the current character.
if (in == null || ("".equals(in))) return ""; // vacancy test.
for (int i = 0; i < in.length(); i++) {
current = in.charAt(i);
if ((current == 0x9) ||
(current == 0xA) ||
(current == 0xD) ||
((current >= 0x20) && (current <= 0xD7FF)) ||
((current >= 0xE000) && (current <= 0xFFFD)) ||
((current >= 0x10000) && (current <= 0x10FFFF)))
out.append(current);
}
return out.toString();
}
está tomado de Caracteres XML no válidos:cuando UTF8 válido no significa XML válido
Pero con eso todavía tenía el problema de compatibilidad con UTF-8:
org.xml.sax.SAXParseException: Invalid byte 1 of 1-byte UTF-8 sequence
Despues de leer XML: devolver XML como UTF-8 desde un servlet Acabo de probar lo que sucede si configuro el tipo de contenido de esta manera:
response.setContentType("text/xml;charset=utf-8");
Y funcionó ....
Otros consejos
Extensible Markup Language (XML) 1.0 dice:
El carácter ampersand (& amp;) y el el soporte del ángulo izquierdo (<) no debe aparecer en su forma literal, excepto cuando utilizado como delimitadores de marcado, o dentro de un comentario, una instrucción de procesamiento, o una sección de CDATA. Si son necesarios en otro lugar, deben escapar usando referencias numéricas de caracteres o las cadenas " & amp; " y " < " respectivamente. El ángulo recto (>) puede representarse utilizando el string " > " ;, y must, for compatibilidad, se puede escapar utilizando " > " o una referencia de personaje cuando aparece en la cadena "]] > " en contenido, cuando esa cadena no es marcando el final de una sección CDATA.
Puede omitir la codificación si usa CDATA:
<column num="1"><![CDATA[10069]]></column>
<column num="2"><![CDATA[sd&]]></column>
¿Qué versión de JRE estás ejecutando? Sax Project dice:
J2SE 1.4 incluye una versión anterior de SAX2. ¿Cómo hago que SAX2 r2 o posterior esté disponible?