xml: caractères invalides

Bonjour,

Dans une application, je crée un document XML (org.w3c.dom.Document).

Un utilisateur de mon application a rentré une chaîne de caractère qui comprenait une apostrophe encodée "bizarrement". Le résultat est que je ne pouvais plus sérialiser ou transformer le document par après (-> Exception). J'avais une exception :

Citation:

---

Caused by: java.lang.RuntimeException: Document XML : problème d'entrée/sortie
at be.uclouvain.doctorats.utils.xml.XmlDocument.serialize(XmlDocument.java:64)
at be.uclouvain.doctorats.utils.print.PrintXml.serialize(PrintXml.java:91)
at be.uclouvain.doctorats.action.PrintAction.doAction(PrintAction.java:66)
... 22 more
Caused by: java.io.IOException: The character '' is an invalid XML character
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.fatalError(BaseMarkupSerializer.java:1873)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.surrogates(BaseMarkupSerializer.java:1542)
at com.sun.org.apache.xml.internal.serialize.XMLSerializer.printText(XMLSerializer.java:1334)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.characters(BaseMarkupSerializer.java:1383)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1059)
at com.sun.org.apache.xml.internal.serialize.XMLSerializer.serializeElement(XMLSerializer.java:1089)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1209)
at com.sun.org.apache.xml.internal.serialize.XMLSerializer.serializeElement(XMLSerializer.java:1089)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1209)
at com.sun.org.apache.xml.internal.serialize.XMLSerializer.serializeElement(XMLSerializer.java:1089)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1209)
at com.sun.org.apache.xml.internal.serialize.XMLSerializer.serializeElement(XMLSerializer.java:1089)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1209)
at com.sun.org.apache.xml.internal.serialize.XMLSerializer.serializeElement(XMLSerializer.java:1089)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1209)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serializeNode(BaseMarkupSerializer.java:1277)
at com.sun.org.apache.xml.internal.serialize.BaseMarkupSerializer.serialize(BaseMarkupSerializer.java:489)
at be.uclouvain.doctorats.utils.xml.XmlDocument.serialize(XmlDocument.java:61)
... 24 more

---

Ce que je peux dire, c'est que c'est ce code qui introduisait le texte problématique :

document.createTextNode(text);

J'aurais pensé que createTextNode() devrait s'occuper de transformer n'importe quelle chaîne valide pour qu'elle puisse être mise dans le XML ???

Pour info, tout dans mon application est en UTF-8, sauf la db (latin-1), gérée par un autre département. Mais jusqu'ici, je ne pense pas avoir de problème de conversion (si ce n'est qu'on ne peut pas tout convertir).

Je suis inquiet, car je sais que le problème risque de se reproduire (résolu ici en changeant le titre manuellement).

Quelqu'un peut m'aider ?

Sur un objet XML jdom, il me semble que tu peux faire un "setEncoding": recherche de ce côté quel encodage tu dois appliquer à ton fichier pour que ça marche

Je ne pense pas que l'encodage de mon fichier soit incorrect. Je pense que le client a envoyé un caractère invalide, mais j'aimerais que cela ne compromette pas le fichier. Puis-je filtrer quelque part ?

il faut certainement que tu le filtre en amont.
crée un inputStream qui filtre les caratères.

Citation:

---

Je ne pense pas que l'encodage de mon fichier soit incorrect.

---

oui certainement mais l'encodage par défaut de java n'est pas UTF-8 donc si tes fichiers xml sont en UTF-8, il faut que tu fasse un setEncoding("UTF-8");
sinon il ne reconnaitra pas les caractères accentués par exemple.

en UTF-8, il est peu probable que ton client ai réussi à entrer des caratères invalides. Tous les caractères des claviers français et anglais existent en UTF-8.

Bonjour,

Quelques lignes que je prends le temps d'écrire pour donner la solution au problème.

Il semble que, de temps à autre, des navigateurs ne respectent pas l'encodage utf-8 de la page et envoient leurs données mal encodées (par ex., l'apostrophe). Tant que ce sont eux qui les réaffichent, ça marche. Mais dès que le parser xml doit passer dessus, il produit cette exception.

Pour ma part, la solution est simple : cette application a été migrée en Swing pour un tas d'autres raisons, je n'aurai plus à m'inquiéter de ça.

Merci à tous pour vos contributions