XML 解析時遭遇非法字元錯誤

xml debug

Peter Chen 2020-03-17 00:39:20 ‧ 1803 瀏覽

分享至

同步發表於 Limitless Ping

使用 jekyll-feed 所產生的 feed.xml 出現 PCDATA invalid Char value 8 錯誤，造成解析失敗。

原因

使用 RSS 消息來源訂閱文章時，來源要產生一個描述檔，讓訂閱器可以知道來源的資訊，這個描述檔使用 XML version 1.0 的格式寫成，你會看到類似下面這樣的內容：

<?xml version="1.0" encoding="utf-8"?>
<feed
    xmlns="http://www.w3.org/2005/Atom" >
    <generator uri="https://jekyllrb.com/" version="3.8.5">Jekyll</generator>
    <link href="https://peterhpchen.github.io/feed.xml" rel="self" type="application/atom+xml" />
    <link href="https://peterhpchen.github.io/" rel="alternate" type="text/html" />
    <updated>2020-03-16T12:38:36+08:00</updated>
    <id>https://peterhpchen.github.io/feed.xml</id>
    <title type="html">Limitless Ping</title>
    <subtitle>Personal GitHub Page</subtitle>
    <entry>
        <title type="html">從 Blogger 遷移至 jekyll</title>
        <link href="https://peterhpchen.github.io/2020/03/15/jekyll-blogger-import.html" rel="alternate" type="text html" title="從 Blogger 遷移至 jekyll" />
        <published>2020-03-15T00:00:00+08:00</published>
        <updated>2020-03-15T00:00:00+08:00</updated>
        <id>https://peterhpchen.github.io/2020/03/15/jekyll-blogger-import</id>
        <content type="html" xml:base="https://peterhpchen.github.io/2020/03/15/jekyll-blogger-import.html">
            ...
        </content>
        <author>
            <name></name>
        </author>
        <category term="jekyll" />
        <category term="blogger" />
        <category term="github-page" />
        <summary type="html">最近在遷移 Blogger 中的舊文章到 jekyll 的 GitHub page 上，本文紀錄如何輸出 Blogger 的文章並輸入至 jekyll 中，並將原本 Blogger 的頁面導至新的 jekyll 頁面。</summary>
    </entry>
    ...
</feed>

可以看到描述檔中包含文章的內容，jekyll-feed 會自動由文章產生這個描述檔，但是有些字元在 XML 中是非法的，像是這個錯誤中的 value 8 指的就是 U+0008 這個控制字元 Backspace 。