用Java过滤掉不能作为xml内容的特殊字符

xiaoyaoliuxiaoyao

于 2014-03-03 12:46:32 发布

阅读量4.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： xml java 文章标签： java xml 特殊字符过滤 filter

本文链接：https://blog.youkuaiyun.com/xiaoyaoliuxiaoyao/article/details/20363615

java 同时被 2 个专栏收录

2 篇文章

订阅专栏

xml

1 篇文章

订阅专栏

本文讨论了从网页中抽取XML信息时遇到的问题，包括XML文档不符合规范的情况，并提供了一个特殊字符过滤函数来解决此问题。通过实战测试验证了该函数的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

背景

最近参与一个项目，需要从网页中抽取xml信息。在网页中，各种字符都是有可能出现的。

出现的一个问题是：我抽取出的信息直接作为xml文档的内容，导致xml文档不符合规范（用firefox打开会报错）。

方法

原因是xml文档中包含了一些特殊字符，因此我写了一个特殊字符过滤函数来解决这个问题。源代码如下：

public static String filterSpecialCharOfXml(String txt){
	String res = "";
    	for(int i = 0; i < txt.length(); ++i){
    		char ch = txt.charAt(i);
    		if(	Character.isDefined(ch) &&
    			ch!= '&' && ch != '<' && ch != '>' && 
    			!Character.isHighSurrogate(ch) &&
    			!Character.isISOControl(ch) &&
    			!Character.isLowSurrogate(ch)
    		   ){
    			res = res + ch;
    		}
    	}
    	return res;
}

以上函数，经过我用上万个网页的抽取信息进行实战测试，是没有问题的。