如何将二进制数据嵌入XML？

我有两个用Java编写的应用程序，它们通过网络使用XML消息相互通信。我在接收端使用了SAX解析器，以从消息中获取数据。要求之一是将二进制数据嵌入XML消息中，但是SAX不喜欢这样。有谁知道如何做到这一点？

更新：我可以通过apache commons编解码器库中的Base64类进行此操作，以防其他人尝试类似的操作。

您可以使用base64对二进制数据进行编码，然后将其放入Base64元素中。下面的文章是一个很好的主题。

处理XML文档中的二进制数据

XML是如此多才多艺...

<DATA>
  <BINARY>
    <BIT index="0">0</BIT>
    <BIT index="1">0</BIT>
    <BIT index="2">1</BIT>
    ...
    <BIT index="n">1</BIT>
  </BINARY>
</DATA>

XML就像暴力-如果它不能解决问题，则说明您使用的不够多。

编辑：

顺便说一句：Base64 + CDATA可能是最好的解决方案

（编辑2：
无论谁修改我的意见，也请修改真实的答案。我们不希望任何可怜的人来这里并实际实施我的方法，因为它在SO上排名最高，对吗？）

Base64确实是正确的答案，但CDATA并非如此，这基本上是在说：“这可以是任何东西”，但是它不能只是任何东西，它必须是Base64编码的二进制数据。XML Schema将Base 64二进制文件定义为可在xsd中使用的原始数据类型。

上周我遇到了这个问题。我必须序列化一个PDF文件，然后将它在XML文件中发送到服务器。

如果使用的是.NET，则可以将二进制文件直接转换为base64字符串，并将其粘贴在XML元素中。

string base64 = Convert.ToBase64String(File.ReadAllBytes(fileName));

或者，在XmlWriter对象中内置了一个方法。在我的特殊情况下，我必须包括Microsoft的数据类型名称空间：

StringBuilder sb = new StringBuilder();
System.Xml.XmlWriter xw = XmlWriter.Create(sb);
xw.WriteStartElement("doc");
xw.WriteStartElement("serialized_binary");
xw.WriteAttributeString("types", "dt", "urn:schemas-microsoft-com:datatypes", "bin.base64");
byte[] b = File.ReadAllBytes(fileName);
xw.WriteBase64(b, 0, b.Length);
xw.WriteEndElement();
xw.WriteEndElement();
string abc = sb.ToString();

字符串abc看起来像这样：

<?xml version="1.0" encoding="utf-16"?>
<doc>
    <serialized_binary types:dt="bin.base64" xmlns:types="urn:schemas-microsoft-com:datatypes">
        JVBERi0xLjMKJaqrrK0KNCAwIG9iago8PCAvVHlwZSAvSW5mbw...(plus lots more)
    </serialized_binary>
</doc>

我通常使用MIME Base64或URL编码对二进制数据进行编码。

尝试对您的二进制数据进行Base64编码/解码。同时查看CDATA部分

也许将它们编码成一个已知的集合-诸如base 64之类的东西很受欢迎。

任何二进制到文本的编码都可以解决问题。我用这样的东西

<data encoding="yEnc>
<![CDATA[ encoded binary data ]]>
</data>

Base64开销为33％。

用于XML1.0的BaseXML 开销仅为20％。但这不是标准，只有C实现。如果您担心数据大小，请检查一下。请注意，但是浏览器倾向于实现压缩，因此不需要压缩。

我在该线程中的讨论之后开发了它：在XML中编码二进制数据：base64的替代方法。

尽管其他答案通常都不错，但是您可以尝试使用其他更节省空间的编码方法，例如yEnc。（yEnc Wikipedia链接）有了yEnc，“开箱即用”还可以获得校验和功能。阅读下面的链接。当然，由于XML没有本机yEnc类型，因此应更新XML模式以正确描述编码的节点。

原因：由于采用base64 / 63编码策略，因此uuencode等。编码使您需要存储和传输的数据量（开销）大约增加了40％（与yEnc的1-2％相比）。取决于您要编码的内容，40％的开销可能是/成为一个问题。

yEnc-Wikipedia摘要： https: //en.wikipedia.org/wiki/YEnc yEnc是一种二进制文本编码方案，用于在Usenet上或通过电子邮件传输消息中的二进制文件。与以前的编码方法（例如uuencode和Base64）相比，yEnc的另一个优点是包含CRC校验和以验证解码后的文件是否已完整传递。

您也可以对原始二进制数据进行编码。这种格式较旧，但与base63编码的作用相同。

如果您可以控制XML格式，则应将问题彻底解决。而不是附加二进制XML，您应该考虑如何封装包含多个部分的文档，其中一个包含XML。

对此的传统解决方案是存档（例如tar）。但是，如果您希望将附件文档保留为基于文本的格式，或者如果您无权访问文件归档库，那么还有一种标准化的方案，该方案在电子邮件和HTTP中大量使用，它是multipart / * MIME，Content-Transfer-Encoding：二进制。

例如，如果您的服务器通过HTTP进行通信，并且您想发送多部分文档，而主要文档是引用二进制数据的XML文档，则HTTP通信可能类似于以下内容：

POST / HTTP/1.1
Content-Type: multipart/related; boundary="qd43hdi34udh34id344"
... other headers elided ...

--qd43hdi34udh34id344
Content-Type: application/xml

<myxml>
    <data href="cid:data.bin"/>
</myxml>
--qd43hdi34udh34id344
Content-Id: <data.bin>
Content-type: application/octet-stream
Content-Transfer-Encoding: binary

... binary data ...
--qd43hdi34udh34id344--

如上面的示例，XML通过使用cidURI方案（它是Content-Id标头的标识符）来引用封闭多部分中的二进制数据。这种方案的开销只是MIME标头。类似的方案也可以用于HTTP响应。当然，在HTTP协议中，您还可以选择将多部分文档发送到单独的请求/响应中。

如果要避免将数据包装成多部分，请使用数据URI：

<myxml>
    <data href="data:application/something;charset=utf-8;base64,dGVzdGRhdGE="/>
</myxml>

但这有base64开销。