Emoji字符序列????打破了旧的XML流程

Question

我有一个旧的 Java 应用程序处理来自第三方数据馈送的 XML。

数据源允许用户输入，现在突然包含 &#55357;&#56391; () 等表情符号。我真的很惊讶这个问题花了这么长时间才出现（表情符号已经存在几年了）。

应用程序在 javax.xml.parsers.DocumentBuilder.parse(InputStream) 中爆炸：

org.xml.sax.SAXParseException; lineNumber: 105; columnNumber: 3039; Character reference "&#
    at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(DOMParser.java:257)
    at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:348)
    at javax.xml.parsers.DocumentBuilder.parse(DocumentBuilder.java:121)

是否有我可以应用的快速本地化修复程序，而无需重新设计和重新构建整个应用程序？此外，宁愿避免正则表达式 search/replace hack，因为这会引入其他微妙的问题。

Answer 1

&#55357;&#56391; 是编码为代理项对（两个代理项）的单个字符。 XML 中的字符引用不能表示（高或低）代理项：这些不是合法字符。字符引用应代表整个表情符号的 Unicode 代码点，👇.

第三方向您发送无效XML，您应该拒绝它，就像您拒绝供应商的任何其他有缺陷的商品一样。

Emoji字符序列????打破了旧的XML流程

Emoji character sequence &#55357;&#56391; breaks old XML process

java

xml

unicode

emoji