XML 文件解析--含Unicode字符的XML文件

在最近的工作中需要使用XML文件做数据存储，由于此XML文件的内容是不同的数据来源的数据，在解析XML文件时，遇到几处相似的异常：无效的XML字符 (Unicode: 0x9e)。 (Unicode: 0x8b)。

Exception in thread "main" org.xml.sax.SAXParseException; lineNumber: 24; columnNumber: 180; 在文档的元素内容中找到无效的 XML 字符 (Unicode: 0x9e)。

at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.createSAXParseException(Unknown Source)

at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.fatalError(Unknown Source)

at com.sun.org.apache.xerces.internal.impl.XMLErrorReporter.reportError(Unknown Source)

at com.sun.org.apache.xerces.internal.impl.XMLErrorReporter.reportError(Unknown Source)

at com.sun.org.apache.xerces.internal.impl.XMLScanner.reportFatalError(Unknown Source)

...

一开始，试图对XML文件进行不同格式的修改，UTF-8，ANBI等等，均无效（后来明白过来了，字符值根本没有改变）， 接着去寻找解决办法，试图把Unicode转变为UTF-8，也找了相关的算法，但是XML中仅仅含有几处Unicode字符，也没能解决。

后来找了一些资料发现这些字符有些共性：这些无效的字符在一些文档中作为文档处理器的控制编码（微软选择了那些再0x82到0x95之间的字符作为"smart"标点），这些也被Unicode保留作为控制编码的，并且在XML中是不合法的。

在下面的网页中有所有的Unicode字符，对应的UTF-8字符，以及它代表的意义
http://www.utf8-chartable.de/unicode-utf8-table.pl?utf8=0x
最后我还是把这些无效的Unicode字符转变为空字符（Scala代码）

def UnicodeStringHandler(value:String) = {
val chs = value.toArray
for(i <- 0 until value.length()) {
if (chs(i) > 0xFFFD)
{
chs(i) = ' ';
}
else if (chs(i) < 0x20 && chs(i) != '\t' & chs(i) != '\n' & chs(i) != '\r')
{
chs(i) = ' ';
}
else if(chs(i) >= 0x80 && chs(i) <= 0x9f){
chs(i) = ' ';
}
}
new String(chs);
}