XML非法字符需转义或清理，使用实体如&、CDATA包裹特殊内容，并通过正则清除控制字符，推荐用JAXB、lxml等库生成UTF-8编码的合规文档。
在处理XML文档时，非法字符是常见问题之一。XML对某些字符有严格限制，若不正确处理，会导致解析失败或数据损坏。直接包含这些字符会使XML文档不再符合规范，因此必须采取适当方法进行转义或替换。
了解XML中的非法字符
XML 1.0标准中定义了一些不允许直接出现在文档中的字符，主要包括：
- 控制字符：如ASCII码0到31（除制表符、换行符、回车符外）
- Unicode中的代理项（U+D800 到 U+DFFF）
- 高于U+FFFD的某些保留区域字符
- 字节顺序标记（BOM）在某些情况下也可能引发问题
这些字符不能直接写入XML文本内容或属性值中，否则解析器会报错。
使用字符实体或CDATA转义内容
对于允许但具有特殊含义的字符（如、>、&），应使用预定义实体进行替换：
-
&→& →zuojiankuohaophpcn-
>→youjiankuohaophpcn -
"→" -
'→'
对于包含大量特殊字符的文本，可将内容包裹在中，避免逐个转义。注意：CDATA块内不能出现]]>序列。
程序化清理非法字符
在生成XML前，可通过代码过滤不可见或非法字符。例如，在Java中可用正则表达式：
Python中可使用：
import re clean = re.sub(r'[\x00-\x08\x0B\x0C\x0E-\x1F]', '', text)关键是保留必要的空白控制符（如\t、\n、\r），只清除真正非法的部分。
使用支持良好编码的库生成XML
推荐使用成熟的XML库（如Java的JAXB、Python的xml.etree.ElementTree或lxml）来构建文档。这些库通常自动处理字符编码和转义，减少人为错误。确保输出时指定UTF-8编码，并验证生成的XML是否能被成功解析。
基本上就这些。只要提前识别并清理非法字符，合理使用转义机制和工具库，就能有效避免XML解析问题。
