如何使用Jackson XML处理￿字符？序列化反序列化报错处理

问题原因 #

XML规范中，属于无效字符实体（XML仅允许U+0009、U+000A、U+000D，以及U+0020到U+D7FF、U+E000到U+FFFD范围内的字符）。Jackson序列化时会将\uFFFF转成输出，但反序列化时XML解析器不认可该实体，直接抛出异常。

解决方案：序列化时过滤无效字符 #

要实现直接删除不支持的字符、输出纯字符串XML的需求，可通过自定义String序列化器，在序列化前清理掉XML不允许的字符。

步骤1：编写自定义字符串序列化器

该序列化器会过滤掉所有XML规范外的字符：

import com.fasterxml.jackson.core.JsonGenerator;
import com.fasterxml.jackson.databind.SerializerProvider;
import com.fasterxml.jackson.databind.ser.std.StdSerializer;
import java.io.IOException;
import java.util.regex.Pattern;

public class XmlSafeStringSerializer extends StdSerializer<String> {
    // 匹配XML 1.0不允许的字符
    private static final Pattern INVALID_XML_CHARS = Pattern.compile("[^\\u0009\\u000A\\u000D\\u0020-\\uD7FF\\uE000-\\uFFFD]");

    public XmlSafeStringSerializer() {
        super(String.class);
    }

    @Override
    public void serialize(String value, JsonGenerator gen, SerializerProvider provider) throws IOException {
        if (value == null) {
            gen.writeNull();
            return;
        }
        // 替换无效字符为空字符串
        String cleanedContent = INVALID_XML_CHARS.matcher(value).replaceAll("");
        gen.writeString(cleanedContent);
    }
}

步骤2：配置XmlMapper使用自定义序列化器

将序列化器注册到XmlMapper中，全局生效：

import com.fasterxml.jackson.databind.module.SimpleModule;
import com.fasterxml.jackson.dataformat.xml.XmlMapper;

public class Main {
    public static void main(String[] args) throws Exception {
        XmlMapper xmlMapper = new XmlMapper();
        SimpleModule xmlSafeModule = new SimpleModule();
        xmlSafeModule.addSerializer(String.class, new XmlSafeStringSerializer());
        xmlMapper.registerModule(xmlSafeModule);

        // 测试序列化
        String input = "Some valid string but containing the \uFFFF character";
        String xmlString = xmlMapper.writeValueAsString(input);
        System.out.println(xmlString);
        // 输出：<String>Some valid string but containing the  character</String>

        // 测试反序列化
        String deserialized = xmlMapper.readValue(xmlString, String.class);
        System.out.println(deserialized);
        // 输出：Some valid string but containing the  character
    }
}

效果说明 #

• 序列化阶段直接移除\uFFFF这类无效字符，输出的XML完全符合规范，不存在非法实体。
• 反序列化时不会再抛出异常，且输出内容符合需求（无需保留无效字符）。

内容的提问来源于stack exchange，提问作者Gaël J