xml - xml 中的 Unicode 字符

Question

在 XML 文件上运行 xquery 时遇到错误。实际上，XML 中有一些元素与数据一起具有 unicode 字符。

      "[phone]",
      "[phone]\u001f"

我尝试使用替换和删除功能，但我不确定我的源文件中可以包含哪些 unicode 字符。是否有任何通用方法可以删除所有这些字符

谢谢

标签： xmlunicodecharacter-encodingxquery

Answer 1

XML 文档中的每个字符都是 Unicode 字符，如果有非 Unicode 字符，那么您确实会遇到问题。

您的实际问题是文档使用了 XML 解析器无法识别的 Unicode 字符编码“\u001f”。这是完全合法的 XML 内容，只是将被视为以反斜杠开头的 6 个字符的序列，而不是作为控制字符 x1F 的表示（碰巧不是 XML 1.0 允许的字符） .

处理这些字符的一种方法是将“[phone]\u001f”视为 JSON 字符串并使用 XQuery 3.1 函数json-to-xml()将其转换为 XML（它需要包含引号）。但是，如果有转义序列转换为 XML 不允许的字符，这会给您带来问题，例如\u0000. 该json-to-xml()函数具有处理此类情况的各种选项。