Java DOM转换和解析具有无效XML字符的任意字符串？

Question

bounty到期在7天内。这个问题的答案有资格获得+ 200声望赏金。stonar96正在寻找对此问题的更详细的答案：“尤其是，我希望有人批准并优化我的答案中的代码。但是，欢迎其他方法（例如Base64）的其他建议。”

首先，我不是How to parse invalid (bad / not well-formed) XML?的副本，因为我没有给定的无效（或格式不正确）XML文件，而是给定的任意Java String，它可能或可能不包含无效的XML字符。我想创建一个包含具有给定Document的Text节点的DOM String，然后将其转换为文件。当文件解析为DOM Document时，我想获得一个String，它等于初始给定的String。我用Text创建org.w3c.dom.Document#createTextNode(String data)节点，并用org.w3c.dom.Node#getTextContent()获得字符串。

您可以在https://stackoverflow.com/a/28152666/3882565中看到，XML文件中Text节点有一些无效字符。实际上，Text节点有两种不同类型的“无效”字符。 DOM API使用"，&，'，<和>，"，&，'和<自动转义了预定义的实体。解析文件时，结果文件中的>由DOM API撤消。现在的问题是，其他无效字符（例如'\u0000'）不是这种情况。

[可能我必须实现一种方法，该方法以独特的方式对给定String中的那些字符进行转义，然后再将其提交给DOM API，并在稍后再获得String时撤消该方法，对吗？有一个更好的方法吗？过去有人实施过这些或类似方法吗？请注意，除了DOM API，我不能使用其他库或API。

编辑：

此问题被标记为Best way to encode text data for XML in Java?的重复。我现在已经阅读了所有答案，但是没有一个能解决我的问题。所有答案都表明：

• 使用我已经做过的XML库（例如DOM API），除了"，&，'，<，>和其他一些库之外，这些库中的任何一个都不会替代无效字符。] >
• 在解析文件时，用"&#number;"替换所有无效字符，这会导致无效字符（例如"�"）的异常。
• 使用带有不支持非法字符（例如"�"（在某些库中被跳过）的XML编码方法）的第三方库。
• 使用也不支持无效字符的CDATA部分。

首先，我想提一下，这不是如何解析无效（不良/格式不正确）XML的副本？因为我没有给定的无效（或格式不正确）XML文件，而是给定的...

Answer 1

正如@VGR和@kjhughes在问题下方的注释中指出的那样，Base64确实是我问题的可能答案。现在，我确实有一个基于转义的问题的进一步解决方案。我编写了2个函数escapeInvalidXmlCharacters(String string)和unescapeInvalidXmlCharacters(String string)，可以按以下方式使用。

    String string = "text#text##text#0;text" + '\u0000' + "text<text&text#";
    Document document = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument();
    Element element = document.createElement("element");
    element.appendChild(document.createTextNode(escapeInvalidXmlCharacters(string)));
    document.appendChild(element);
    TransformerFactory.newInstance().newTransformer().transform(new DOMSource(document), new StreamResult(new File("test.xml")));
    // creates <?xml version="1.0" encoding="UTF-8" standalone="no"?><element>text##text####text##0;text#0;text&lt;text&amp;text##</element>
    document = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(new File("test.xml"));
    System.out.println(unescapeInvalidXmlCharacters(document.getDocumentElement().getTextContent()).equals(string));
    // prints true