使用 Java DOM 解析器解析 XML 文件会导致：
[Fatal Error] os__flag_8c.xml:103:135: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
org.xml.sax.SAXParseException: An invalid XML character (Unicode: 0xc) was found in the element content of the document.
at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)
at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)
即使将数据封装在 CDATA 块中，也有一些字符在 XML 文档中是不允许的。
如果您生成了文档，则需要对其进行实体编码或将其删除。如果您有错误的文档，您应该在尝试解析它之前删除这些字符。
请参阅支石墓在此线程中的回答：XML 中的无效字符
他链接到本文的位置：http://www.w3.org/TR/xml/#charsets
基本上，0x20 以下的所有字符都是不允许的，除了 0x9 (TAB)、0xA (CR?)、0xD (LF?)
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); // NOTE: No IndexOutOfBoundsException caught here; it should not happen.
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();
}
每当 xml 中出现无效的 xml 字符时，就会出现这样的错误。当你在记事本++中打开它时，它看起来像 VT、SOH、FF，就像这些是无效的 xml 字符。我正在使用 xml 版本 1.0，并且在按模式将文本数据输入数据库之前验证文本数据
Pattern p = Pattern.compile("[^\u0009\u000A\u000D\u0020-\uD7FF\uE000-\uFFFD\u10000-\u10FFF]+");
retunContent = p.matcher(retunContent).replaceAll("");
它将确保 xml 中不会输入无效的特殊字符
字符 0x0C 在 XML 1.0 中无效，但在 XML 1.1 中却是 有效字符。因此，除非 xml 文件在序言中将版本指定为 1.1，否则它就是无效的，您应该向该文件的制作者投诉。
您可以使用自定义 FilterReader 类过滤所有“无效”字符：
public class InvalidXmlCharacterFilter extends FilterReader {
protected InvalidXmlCharacterFilter(Reader in) {
super(in);
}
@Override
public int read(char[] cbuf, int off, int len) throws IOException {
int read = super.read(cbuf, off, len);
if (read == -1) return read;
for (int i = off; i < off + read; i++) {
if (!XMLChar.isValid(cbuf[i])) cbuf[i] = '?';
}
return read;
}
}
然后像这样运行：
InputStream fileStream = new FileInputStream(xmlFile);
Reader reader = new BufferedReader(new InputStreamReader(fileStream, charset));
InvalidXmlCharacterFilter filter = new InvalidXmlCharacterFilter(reader);
InputSource is = new InputSource(filter);
xmlReader.parse(is);
在 UTF-8 上，不允许使用这些范围内的所有代码，对于 XML 1.0：
可以删除的正则表达式是：
text.replaceAll('[\\x{0}-\\x{8}]|[\\x{B}-\\x{C}]|[\\x{E}-\\x{1F}]|[\\x{D800}-\\x{DFFF}]|[\\x{FFFE}-\\x{FFFF}]', "")
注意：如果您使用 XML 1.1，您还需要删除这些间隔：
参考资料：
我刚刚使用了这个项目，发现它非常方便：https://github.com/rwitzel/streamflyer
使用 InvalidXmlCharacterModifier，如文档所述。
就像这个例子：
public String stripNonValidXMLCharacters(final String in) {
final Modifier modifier = new InvalidXmlCharacterModifier("",
InvalidXmlCharacterModifier.XML_10_VERSION);
final ModifyingReader modifyingReader =
new ModifyingReader(new StringReader(in), modifier);
return IOUtils.toString(modifyingReader);
}
我遇到了类似的问题，XML 包含控制字符。查看代码后，我发现使用了一个已弃用的类 StringBufferInputStream 来读取字符串内容。
http://docs.oracle.com/javase/7/docs/api/java/io/StringBufferInputStream.html
This class does not properly convert characters into bytes. As of JDK 1.1, the preferred way to create a stream from a string is via the StringReader class.
我将其更改为 ByteArrayInputStream 并且工作正常。
对于将字节数组读入字符串并尝试使用 JAXB 转换为对象的人，您可以通过从字节数组创建字符串来添加“iso-8859-1”编码，如下所示：
String JAXBallowedString= new String(byte[] input, "iso-8859-1");
这会将冲突的字节替换为 JAXB 可以处理的单字节编码。显然这个解决方案只是解析xml。
所有这些答案似乎都假设用户正在生成错误的 XML，而不是从 gSOAP 接收它，gSOAP 应该更清楚！
今天，我也遇到了类似的错误：
Servlet.service() for servlet [remoting] in context with path [/***] threw exception [Request processing failed; nested exception is java.lang.RuntimeException: buildDocument failed.] with root cause
org.xml.sax.SAXParseException; lineNumber: 19; columnNumber: 91; An invalid XML character (Unicode: 0xc) was found in the value of attribute "text" and element is "label".在我第一次遇到错误后，我手动重新输入了整行，这样特殊字符就无法潜入，并且Notepad ++没有显示任何不可打印的字符（白底黑字） ，尽管如此，我一遍又一遍地遇到同样的错误。
当我查找我所做的与前辈不同的事情时，结果发现它是在结束 /> 之前的一个额外空格（正如我听说的那样，建议旧的解析器使用，但无论如何它不应该有任何区别） ，根据 XML 标准）：
<label text="this label's text" layout="cell 0 0, align left" />当我删除空格时：
<label text="this label's text" layout="cell 0 0, align left"/>一切都很好。
所以这绝对是一个误导性的错误消息。
org.xml.sax.SAXParseException 包含现有的无效字符行号和列号。
用于捕获和记录此详细信息：
try {
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
InputStream inputStream = new FileInputStream(path);
Document document = builder.parse(inputStream);
} catch (SAXParseException e) {
logger.error("Xml parse error, cause of the line number: {}, column number: {} .", e.getLineNumber(), e.getColumnNumber(), e);
}