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。
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。
Answers:
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。
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。
xs:base64Binary
数据类型的额外要点,这是要使用的正确类型。
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。
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。
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cid
URI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。