xml 标准字符过滤

今天在代码里面看见一串很奇怪的判断语句

 if (c < 0x9 || c > 0x9 && c < 0xA || c > 0xA && c < 0xD || c > 0xD && c  
< 0x20 || c > 0xD7FF && c < 0xE000 || c > 0xFFFD)

于是用0xE000和0xFFFD 搜索了一下，发现原来xml还有这些限制。

根据xml spec 

http://www.w3.org/TR/xml/#charsets

xml合法的字符范围是

[2]

Char

::=

#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]

然后有网上各种人遇到的问题

“因为字节数组中存在 Unicode: 0x0,而这个字节在Xml中被认为是非法字符。对于一些经过编码或加、解密的字符串中，很容易会出现这个 0x0，特别是在加、解密中，经常会涉及到字符填充，而填充物通常是 0x0，对于0x00-0x20 都会引起一定的问题，又因为这些字符不可见，因此用通常的编辑器进行编辑的时候找不到问题所在。

xml中需要过滤的字符分为两类：

一类是不允许出现在xml中的字符，这些字符不在xml的定义范围之内；

另一类是xml自身要使用的字符，如果内容中有这些字符则需被替换成别的字符。

 

第一类字符：

　　对于第一类字符，我们可以通过W3C的XML文档来查看都有哪些字符不被允许出现在xml文档中。

　　XML允许的字符范围是“#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]”。因此我们可以把这个范围之外的字符过滤掉。

第二类字符：

　　对于第二类字符一共有5个，如下：

　　字符            HTML字符         字符编码

　　和(and) &        &amp;               &#38;

　　单引号  ’       &apos;              &#39;

　　双引号  ”       &quot;              &#34;

　　大于号  >        &gt;                &#62;

　　小于号  <        &lt;                &#60; 

“

还有

解决openfire中发送某些特殊字符会断开xmpp连接的问题

以及emoji问题 http://blog.csdn.net/u014542833/article/details/22954893

这只能用一个非严格标准的xml解析器，或者用cdata包超出范围的字符了？