Dreizehnhundertdreiundneunzig

Wieder mal habe ich Probleme mit XML.

Ein Kunde möchte ein Programm, das jenes gewisse, von mir gelegentlich erwähnte Dateiformat nach bestimmten Vorgaben nach XML konvertiert.
Da es dafür keine allgemeingültige Dokumenttypdefinition gibt, habe ich die selbst entwickelt.

So weit, so gut.
Eigentlich war ich mit der Programmentwicklung schon weit vorangeschritten. Jetzt hat sich jedoch ein Fehler offenbart.

In weiser Voraussicht hatte ich die vorkommenden Zeichenketten in einen CDATA-Block eingekapselt, in der Annahme, dass dort auch einzelne Nicht-ASCII-Zeichen zulässig sind (zumindest wenn man UTF-8 als Encoding wählt).
Tja .. und jetzt hat es bei einer vom Kunden zur Verfügung gestellten Testdatei den XML-Parser, der die Gültigkeit des Dokumentes überprüfen sollte, rausgehaut.

Also habe ich nachgesehen, wo das Problem liegt, und siehe da: Da ist ein Nicht-ASCII-Zeichen in einem String, wo es eigentlich gar nicht sein dürfte.
Die Ursache liegt also in einer von vornherein nicht-validen Testdatei.
Das kommt gar nicht so selten vor, dass existierende Dateien eigentlich nicht konform zur Standardspezifikation sind. Die Hersteller schludern da alle mehr oder weniger.
Aber was soll ich machen? Ich darf den Inhalt ja nicht einfach verändern.

Als – vorübergehenden – Workaround ersetze ich jetzt alle entsprechenden Nicht-ASCII-Zeichen (also n > 127) in Textstrings durch eine äquivalente Entity der Form „&#n;“.
Das ist zwar keine Lösung, aber wenigstens komme ich erst mal weiter, und kann mir später noch Gedanken darüber machen, wie ich damit verfahre.

Nachtrag:
Mit dem folgenden Inhalt einer XML-Datei lässt sich das Problem reproduzieren:

---

<?xml version=“1.0″ encoding=“UTF-8″?>
<!– Test (C) breakpoint –>
<ABC>
<DEF>
<GHI>OK</GHI>
<JKL>Funktioniert</JKL>
<GHI><![CDATA[Geht]]></GHI>
<GHI><![CDATA[Geht nicht: º]]></GHI>
</DEF>
</ABC>
<!– Test © breakpoint –>

---

Kopieren, in Texteditor pasten, mit XML-Extension abspeichern.

Beispiel für Fehlermeldung:

---

XML-Verarbeitungsfehler: nicht wohlgeformt
Adresse: file://///cn/z/Test.xml
Zeile Nr. 8, Spalte 28: 

<GHI><![CDATA[Geht nicht: �]]></GHI>
----------------------------------^

---

Oder

An invalid character was found in text content. Error
processing resource 'file://///cn/z/Test.xml'. Line 8,
Position 28

(das nächste Mal mach‘ ich Screenshots ..)