XML 文件解析--含Unicode字符的XML文件

         在最近的工做中須要使用XML文件作數據存儲，因爲此XML文件的內容是不一樣的數據來源的數據，在解析XML文件時，遇到幾處類似的異常：無效的XML字符 (Unicode: 0x9e)。 (Unicode: 0x8b)。

        Exception in thread "main" org.xml.sax.SAXParseException; lineNumber: 24; columnNumber: 180; 在文檔的元素內容中找到無效的 XML 字符 (Unicode: 0x9e)。

at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.createSAXParseException(Unknown Source)

at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.fatalError(Unknown Source)

at com.sun.org.apache.xerces.internal.impl.XMLErrorReporter.reportError(Unknown Source)

at com.sun.org.apache.xerces.internal.impl.XMLErrorReporter.reportError(Unknown Source)

at com.sun.org.apache.xerces.internal.impl.XMLScanner.reportFatalError(Unknown Source)

...

        

        一開始，試圖對XML文件進行不一樣格式的修改，UTF-8，ANBI等等，均無效（後來明白過來了，字符值根本沒有改變）， 接着去尋找解決辦法，試圖把Unicode轉變爲UTF-8，也找了相關的算法，可是XML中僅僅含有幾處Unicode字符，也沒能解決。

        後來找了一些資料發現這些字符有些共性：這些無效的字符在一些文檔中做爲文檔處理器的控制編碼（微軟選擇了那些再0x82到0x95之間的字符做爲"smart"標點），這些也被Unicode保留做爲控制編碼的，而且在XML中是不合法的。

        

        在下面的網頁中有全部的Unicode字符，對應的UTF-8字符，以及它表明的意義

        http://www.utf8-chartable.de/unicode-utf8-table.pl?utf8=0x 

        最後我仍是把這些無效的Unicode字符轉變爲空字符（Scala代碼）

    def UnicodeStringHandler(value:String) = {
    	val chs = value.toArray
        for(i <- 0 until value.length()) {
          if (chs(i) > 0xFFFD)
            {
            chs(i) = ' ';
            } 
            else if (chs(i) < 0x20 && chs(i) != '\t' & chs(i) != '\n' & chs(i) != '\r')
            {
             chs(i) = ' ';
            }
            else if(chs(i) >= 0x80 && chs(i) <= 0x9f){
               chs(i) = ' ';
            }
        }
        new String(chs);
    }