XML解析非法字符问题,有什么好办法可以解决?100分救命啊!!!

Question

import java.util.regex.*;Pattern p = Pattern.compile("[\x00-\x09\x0b\x0c\x0e-\x19]");
Matcher m = p.matcher(YourxmlStringBuffer);
String nString = m.replaceAll("");

Answer 1

xml:base属性值的合法字符集和XML一样，都是[Unicode]。但是，有些Unicode字符不允许出现在URI引用（URI Reference）中。因此，处理器必须对这些字符进行编码和转义处理，以得到一个合法的URI引用。
不允许在URI引用中出现的字符包括：所有的非ASCII字符，以及在[IETF RFC 2396]2.4节列出的字符中去掉 “#”、“%”和方括号符号后剩下的符号。必须按照下面的方式对这些非法字符进行转义处理：1. 将每个非法字符转换为UTF-8格式[IETF RFC 2279]（UTF-8用一个或多个字节来表示原来的字符）。2. 对于每个与非法字符相应的字节[译注//每个非法字符转换为UTF-8格式后，有一个或多个与它相应的字节]，按照URI转义操作机制对它进行转义（也就是说，转换为%HH形式，这里HH是字节值的十六进制记法）。3. 用最终的字符序列来替换原来的字符。

Answer 2

可用JDom中的函数做判断啊！
char ch;//ch即是你要判断的字符。
org.jdom.Verifier.isXMLCharacter(ch)
如果反回True就可以在xml中用的。很easy.

Answer 3

我后来自己想了个笨办法,
String line:需要过滤的字符串
      try{
        byte[] bytes = line.getBytes("GBK");
        for (int i = 0; i < bytes.length; i++) {
            if (bytes[i] > 0 && bytes[i] < 32)
            bytes[i] = 32;
        }
        line = new String(bytes, "GBK");
        //System.out.println(line);
      }catch(Exception e){
        e.printStackTrace();
      }