XML2Ascii- XML tartalom tárolása csak ASCII karakterekkel

A probléma: Adott XML struktúrát olyan módon szerializálni, hogy az csak ASCII karaktereket tartalmazzon, de bármilyen szabványos XML parser által beolvasható maradjon.

Munka közben egy UTF-8 kódolású XML állományt olyan LDAP-ban kellet tárolni, amely csak iso-8859-1 karaktereket engedett meg. Különböző okoknál fogna sem a karaterkészlet átalakítás, sem a Base64-ben való tárolás nem jöhetett szóba. Az numerikus escape-szekvenciák XML-nél is a segítségünkre siettek, de különös problémát jelentettek a CDATA szekciók, amelyekben nem lehet escape szekvenciákkal helyettesíteni a problémás karaktereket. A triviális megoldás egy XSLT azonossági transzformáció lett volna, viszont ez nem tette lehetővé a CDATA szekciók érzékelését és megtartását, amitől az adott helyzetben nem lehetett eltekinteni.

A DOM struktúra minimális módosításával végzi el a feladatot ez a néhány soros osztály. A megoldás szépsége az egyszerűségben lakozik.


package hu.lithium.xml;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.InputStream;
import java.io.PrintStream;

import javax.xml.transform.OutputKeys;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerException;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.stream.StreamResult;
import javax.xml.transform.stream.StreamSource;

public class XML2Ascii {
	
	public static final String help = "usage: java -jar xml2ascii.jar <input.xml> [<output.xml>]\nReplace all non-ASCII characters with NCRs while doing minimal modification to the document (e.g. splitting CDATA sections)";

	public static void main(String[] args) {
		if (args.length < 1) {
			System.err.println(help); System.exit(1);
		}
		InputStream input = System.in;
		PrintStream output = System.out;
		try {
			input = new FileInputStream(args[0]);
		} catch (FileNotFoundException e1) {
			System.err.println("[error] unable to open input file '"+args[0]+"', using stdin instead.");
		}
		if (args.length > 1) {
			try {
				output = new PrintStream(args[1]);
			} catch (FileNotFoundException e) {
				System.err.println("[error] unable to open output file '"+args[1]+"', using stdout instead.");
			}
		}
		try { 			
			Transformer t = TransformerFactory.newInstance().newTransformer();
			t.setOutputProperty(OutputKeys.ENCODING, "us-ascii");
			t.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, "yes");
			output.println("<?xml version=\"1.0\" encoding=\"UTF-8\"?>");
			t.transform(new StreamSource(input), new StreamResult(output));
		} catch (TransformerException e) {
			System.err.println("[fatal] unable to transform XML");
			e.printStackTrace();
		}
	}
}