xml解析失败常因非法字符导致，需清除或转义控制字符（如 - 除Tab、换行、回车），可使用正则替换并在生成前预处理数据，确保符合Unicode范围规范。
在处理XML数据时，经常会遇到非法字符导致解析失败的问题。XML标准对允许的字符有严格限制，超出范围的字符被视为非法，必须进行处理才能保证文档的正确性。
了解XML中的合法字符范围
根据XML 1.0规范，以下字符是允许出现在XML文档中的：
- Unicode字符范围：#x9（Tab）、#xA（换行）、#xD（回车）以及 #x20 到 #xD7FF、#xE000 到 #xFFFD、#x10000 到 #x10FFFF
- 控制字符如 #x0 到 #x8、#xB、#xC、#xE 到 #x1F（除Tab、换行、回车外）均属于非法字符
这些非法字符通常来源于剪贴板粘贴、数据库导出或不同编码系统之间的转换。
预处理字符串以移除或替换非法字符
在生成或解析XML前，应对文本内容进行清洗。可以通过正则表达式或编程逻辑过滤掉非法字符。
例如，在java中可以使用如下方法：
String cleanXmlString = originalString.replaceAll(“[x00-x08x0Bx0Cx0E-x1Fx7F]”, “”);
python中可使用：
import re clean_text = re.sub(r'[ - - ]’, ”, dirty_text)
注意：替换操作应根据业务需求决定是删除还是用占位符（如?）替代。
使用xml解析器的容错机制或转义处理
部分XML库支持宽松模式解析，可在一定程度上容忍轻微格式错误。但更推荐的做法是将特殊字符进行实体转义。
常见转义包括：
- < 转为
- > 转为 >
- & 转为 &
- ” 转为 “
- ‘ 转为 ‘
对于无法直接表示的合法Unicode字符，可使用字符引用形式，如HHHH;。
从源头控制输入数据质量
最有效的防范方式是在数据进入系统前就做好校验和清理。建议：
这样能大幅降低后期解析出错的概率。
基本上就这些。关键在于识别非法字符范围，并在适当阶段进行清理或转义，确保XML文档始终符合规范。处理得当后，大多数因特殊字符引起的解析异常都能避免。