Encontrei uma lista interessante na Xml Spec :De acordo com essa lista é desencorajado usar o caractere #26 (Hex:#x1A ).
Consulte os intervalos completos .
Este código substitui todos os Xml Utf8 inválidos de uma String:
public String stripNonValidXMLCharacters(String in) {
StringBuffer out = new StringBuffer(); // Used to hold the output.
char current; // Used to reference the current character.
if (in == null || ("".equals(in))) return ""; // vacancy test.
for (int i = 0; i < in.length(); i++) {
current = in.charAt(i);
if ((current == 0x9) ||
(current == 0xA) ||
(current == 0xD) ||
((current >= 0x20) && (current <= 0xD7FF)) ||
((current >= 0xE000) && (current <= 0xFFFD)) ||
((current >= 0x10000) && (current <= 0x10FFFF)))
out.append(current);
}
return out.toString();
}
é retirado de Caracteres XML inválidos:quando válido UTF8 não significa XML válido
Mas com isso eu ainda tive o problema de compatibilidade UTF-8:
org.xml.sax.SAXParseException: Invalid byte 1 of 1-byte UTF-8 sequence
Depois de ler XML - retornando XML como UTF-8 de um servlet Acabei de testar o que acontece se eu definir o Contenttype assim:
response.setContentType("text/xml;charset=utf-8");
E funcionou....
