首先我们聊一聊ASCII控制字符,这些控制字符是不可见的,可以理解为一种特殊字符,而这种字符是可以被存入Oracle表中的。
项目中遇到了这样一种情况,java程序从Oracle表中取数据并解析为xml时产生了报错信息,原因是表内存在无法被解析为xml的特殊字符,后来导出数据后使用notepad++工具查看时才发现存在ASCII控制字符。注意,这些ASCII控制字符是无法被xml解析的,所以需要想办法将其过滤。
ASCII控制字符
二进制 | 十进制 | 十六进制 | 缩写 | 可以显示的表示法 | 名称/意义 |
---|---|---|---|---|---|
0000 0000 | 0 | 00 | NUL | ␀ | 空字符(Null) |
0000 0001 | 1 | 01 | SOH | ␁ | 标题开始 |
0000 0010 | 2 | 02 | STX | ␂ | 本文开始 |
0000 0011 | 3 | 03 | ETX | ␃ | 本文结束 |
0000 0100 | 4 | 04 | EOT | ␄ | 传输结束 |
0000 0101 | 5 | 05 | ENQ | ␅ | 请求 |
0000 0110 | 6 | 06 | ACK | ␆ | 确认回应 |
0000 0111 | 7 | 07 | BEL | ␇ | 响铃 |
0000 1000 | 8 | 08 | BS | ␈ | 退格 |
0000 1001 | 9 | 09 | HT | ␉ | 水平定位符号 |
0000 1010 | 10 | 0A | LF | ␊ | 换行键 |
0000 1011 | 11 | 0B | VT | ␋ | 垂直定位符号 |
0000 1100 | 12 | 0C | FF | ␌ | 换页键 |
0000 1101 | 13 | 0D | CR | ␍ | 归位键 |
0000 1110 | 14 | 0E | SO | ␎ | 取消变换(Shift out) |
0000 1111 | 15 | 0F | SI | ␏ | 启用变换(Shift in) |
0001 0000 | 16 | 10 | DLE | ␐ | 跳出数据通讯 |
0001 0001 | 17 | 11 | DC1 | ␑ | 设备控制一(XON 启用软件速度控制) |
0001 0010 | 18 | 12 | DC2 | ␒ | 设备控制二 |
0001 0011 | 19 | 13 | DC3 | ␓ | 设备控制三(XOFF 停用软件速度控制) |
0001 0100 | 20 | 14 | DC4 | ␔ | 设备控制四 |
0001 0101 | 21 | 15 | NAK | ␕ | 确认失败回应 |
0001 0110 | 22 | 16 | SYN | ␖ | 同步用暂停 |
0001 0111 | 23 | 17 | ETB | ␗ | 区块传输结束 |
0001 1000 | 24 | 18 | CAN | ␘ | 取消 |
0001 1001 | 25 | 19 | EM | ␙ | 连接介质中断 |
0001 1010 | 26 | 1A | SUB | ␚ | 替换 |
0001 1011 | 27 | 1B | ESC | ␛ | 跳出 |
0001 1100 | 28 | 1C | FS | ␜ | 文件分割符 |
0001 1101 | 29 | 1D | GS | ␝ | 组群分隔符 |
0001 1110 | 30 | 1E | RS | ␞ | 记录分隔符 |
0001 1111 | 31 | 1F | US | ␟ | 单元分隔符 |
0111 1111 | 127 | 7F | DEL | ␡ | 删除 |
那么,如何过滤掉这些ASCII控制字符呢。
方法1:通过java程序直接过滤掉ASCII控制字符。
此方法仅可用于方便变更java代码的情况,本文不作描述。而当无法动java代码时,我们就需要从sql的角度去过滤掉这些ASCII控制字符了,可以参考如下方法。
方法2:通过sql去过滤ASCII控制字符。
我们可以通过语句来确认ASCII的序号。
select ascii('') from dual; --此处无法正常显示,可参考截图
select chr(2) from dual;
可以得知该ASCII控制字符对应的十进制数为2。我们将这个特殊字符拷贝至notepad++,发现对应以上表格内的可显示字符为'stx',与语句查出来的10进制数一致。
所以我们可以通过translate函数来批量过滤特殊字符:
translate('目标字段',
chr(0)||chr(1)||chr(2)||chr(3)||chr(4)||chr(5)||chr(6)||chr(7)||chr(8)||chr(9)||
chr(10)||chr(11)||chr(12)||chr(13)||chr(14)||chr(15)||chr(16)||chr(17)||chr(18)||chr(19)||
chr(20)||chr(21)||chr(22)||chr(23)||chr(24)||chr(25)||chr(26)||chr(27)||chr(28)||chr(29)||chr(30)||chr(31)
,' ')
注意以上最后一行单引号内有个'空格',如果不加空格将无法实现替换操作。
这样我们就可以批量的过滤掉ASCII控制字符了。
我们可以通过查询系统dual表的方式验证一下语句的准确性:
这样我们就可以很轻松的从数据库内取值时过滤掉无法解析为xml字符串的ASCII控制字符了。