Question

好的，我有一个由其他人编写的Android应用程序但是我的工作是维护和进一步开发。该应用程序使用以XML格式回答的API。代码很标准：

InputStream in = httpConnection.getInputStream();
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
Document dom = db.parse(in);

除非标签名称中包含非拉丁字符，否则一切正常。例如，这没关系：

<Milen>some_text</Milen>

但这引起了例外：

<Милен>some_text</Милен>

例外是INVALID_CHARACTER_ERR。经过一些调查，我发现DOM API的实施是org.apache.harmony.xml.dom.DocumentImpl。并且在第286行引发了异常here。如果检查归结为此方法：

private static boolean isXMLIdentifierPart(char c) {
    return isXMLIdentifierStart(c) || (c >= '0' && c <= '9') || (c == '-') || (c == '.');
}

这基本上排除了任何非拉丁字符。 Howerver，根据this任何Unicode字符都是有效的标记名称。

所以我的问题是：

为什么会出现违反标准的检查？
有什么选择让DOM解析器与非拉丁语Unicode字符一起使用？

一些补充说明：

服务器返回正确的UTF-8响应
我尝试过使用XML escaping但显然在签入isXMLIdentifierPart之前会将其转换回原始的Unicode
我非常喜欢坚持使用DOM解析器API，因为之后的处理会假定将Document对象传递给它。重写处理将是很多工作。

我正在考虑的两个解决方案是：

获取org.apache.harmony.xml.dom.DocumentImpl实现的代码并创建缺少有问题检查的自定义解析器。
让服务器使用一些使用仅拉丁字符（\ u1234或U + 1234不起作用）的自定义架构对非拉丁字符进行编码，然后在解析器完成后对其进行解码。

然而，这两种解决方案都是非标准的，并且不喜欢它们。因此，任何正确的方法都非常受欢迎!!!

免责声明：我是Android平台的新手，我可能会遗漏一些简单/明显的东西。然而，经过两天的研究和实验，我还没有找到它。

Answer 1

根据此，任何Unicode字符都是有效的标记名称。

不完全任何字符，但是，在第五版中，允许绝大多数非ASCII字符（在此之前规则相当复杂，但仍然允许很多）。

为什么会出现违反标准的检查？

因为Harmony DOM实现是一个错误的，不符合要求，维护不善的堆，不能正确地实现旧规范，因此只能禁止非ASCII。在其他许多问题中。

这是issue 78387 FWIW。

我有什么选择让DOM解析器与非拉丁语Unicode字符一起使用？

看看你是否能找到一个替代的，破坏性较小的DOM实现。

获取org.apache.harmony.xml.dom.DocumentImpl实现的代码并创建一个缺少有问题检查的自定义解析器。

（是的，这可能必须是一个合适的分支，因为单独进行子类化很难。太多的类都有明确的引用。）

如何使用Android上的DocumentBuilder DOM解析器解析包含非拉丁Unicode字符的标记名称的XML

1 个答案: