今天在代码里面看见一串很奇怪的判断语句
if (c < 0x9 || c > 0x9 && c < 0xA || c > 0xA && c < 0xD || c > 0xD && c
< 0x20 || c > 0xD7FF && c < 0xE000 || c > 0xFFFD)
于是用0xE000和0xFFFD 搜索了一下，发现原来xml还有这些限制。
根据xml spec
http://www.w3.org/TR/xml/#charsets
xml合法的字符范围是
| [2] | Char |
::= | #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] |
然后有网上各种人遇到的问题
“因为字节数组中存在 Unicode: 0x0,而这个字节在Xml中被认为是非法字符。对于一些经过编码或加、解密的字符串中，很容易会出现这个 0x0，特别是在加、解密中，经常会涉及到字符填充，而填充物通常是 0x0，对于0x00-0x20 都会引起一定的问题，又因为这些字符不可见，因此用通常的编辑器进行编辑的时候找不到问题所在。
xml中需要过滤的字符分为两类：
一类是不允许出现在xml中的字符，这些字符不在xml的定义范围之内；
另一类是xml自身要使用的字符，如果内容中有这些字符则需被替换成别的字符。
第一类字符：
对于第一类字符，我们可以通过W3C的XML文档来查看都有哪些字符不被允许出现在xml文档中。
XML允许的字符范围是“#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]”。因此我们可以把这个范围之外的字符过滤掉。
第二类字符：
对于第二类字符一共有5个，如下：
字符 HTML字符 字符编码
和(and) & & &
单引号 ’ ' '
双引号 ” " "
大于号 > > >
小于号 < < <
“
还有
解决openfire中发送某些特殊字符会断开xmpp连接的问题
以及emoji问题 http://blog.csdn.net/u014542833/article/details/22954893
这只能用一个非严格标准的xml解析器，或者用cdata包超出范围的字符了？