Java自带SAXParser解析XML1.1时出现字符错误的问题咨询

关于XML 1.1中{、}、[、]的转义要求 #

XML 1.1和XML 1.0的规则一致，{、}、[、]这类字符不需要转义。XML仅要求对&、<、>、"、'这五个特殊字符进行转义（在元素内容或属性值中），其余可打印ASCII字符（包括大中小括号、方括号）直接使用即可，不会破坏XML的合法性。

Java自带SAXParser的字符异常问题 #

这是Java内置SAXParser（底层基于Xerces的特定版本）的已知问题，主要出现在处理大体积XML 1.1文件时，尤其是当文件中存在长注释、大文本块（如你提到的超40KB JSON对象）时，内置解析器的缓冲区处理逻辑可能出现异常，导致characters()方法返回重复、截断或额外字符。

验证与规避方案 #

• 切换到独立的Apache Xerces解析器后问题消失，是因为独立版本的Xerces修复了XML 1.1处理中的这类缓冲区bug，且版本更新更及时；
• 切换到XML 1.0后问题消失，是因为XML 1.0的处理逻辑在内置解析器中更成熟，没有触发XML 1.1特有的处理漏洞；
• 若必须使用XML 1.1，可尝试升级JDK到较新版本（如OpenJDK 11及以上），部分新版本已更新内置Xerces库修复该类问题；若升级无效，建议直接引入独立的Apache Xerces依赖替代内置解析器。

内容的提问来源于stack exchange，提问作者Andreas Mueller