Oracle 神秘的 Unicode 代码点

Question

在应包含有效 XML1.0 xml（数据库编码应为 UTF-8）的 CLOB 列上调用 XMLTYPE() 时，出现以下错误消息（我来自意大利）：

ORA-31011: Analisi XML non riuscita
ORA-19202: Errore durante l'elaborazione XML
LPX-00217: carattere non valido 15577023 (U+EDAFBF)
Error at line 240
ORA-06512: a "SYS.XMLTYPE", line 272
ORA-06512: a line 1
31011. 00000 -  "XML parsing failed"
*Cause:    XML parser returned an error while trying to parse the document.
*Action:   Check if the document to be parsed is valid.

现在这个无效字符被指定为Unicode 代码点 EDAFBF。问题是，根据 Unicode 规范（维基百科），没有超过10FFFF 的代码点。那么这个错误意味着什么？

使用 SQLDeveloper 检查此 CLOB（并将其复制到 Notepad++，编码设置为 utf-8）并没有发现任何异常，除了一些奇怪的字符之外，当他从 Microsoft Word 文档复制文本时显然来自用户浏览器（但是 CLOB，在至少从 SQLDeveloper UI 复制并由 Notepad++ 以 UTF-8 编码展示，似乎是有效的 UTF-8 文本）。

有没有办法直接（从 SQLDeveloper 或以其他方式）重现填充 Oracle 的此错误？（联系最终用户以了解他在 Web 表单中输入的内容是有问题的）

Answer 1

不解决问题的第一部分，但您可以使用 RAW 值重现它：

select xmltype('<dummy>'
  || utl_raw.cast_to_varchar2(cast('EDAFBF' as raw(6)))
  || '</dummy>')
from dual;

Error report -
SQL Error: ORA-31011: XML parsing failed
ORA-19202: Error occurred in XML processing
LPX-00217: invalid character 15577023 (U+EDAFBF)
Error at line 1
ORA-06512: at "SYS.XMLTYPE", line 310
ORA-06512: at line 1

只需选择字符：

select utl_raw.cast_to_varchar2(cast('EDAFBF' as raw(6)))
from dual;

...在我的SQL Developer（版本4.1）中显示为一个带有更小的问号的小方块（我认为），但这就是它选择呈现的方式；复制和粘贴仍然给出替换字符？因为代码点，正如你所说，是无效的。XMLType 在有效性方面比 CLOB 更严格。该unistr()函数也不处理该值，这并不奇怪。

（您不需要将字符串强制转换为raw(6)，只是utl_raw.cast_to_varchar2('EDAFBF')具有相同的效果；但我认为明确地执行它会使发生的事情更清楚一些）。

我不知道它是如何在没有某种损坏的情况下进入您的文件的，我想可能是通过拙劣的字符集转换。您可能可以使用dbms_lob.replace_fragment()或类似的方法来替换或删除该角色，但当然可能还有其他您尚未击中的角色，充其量您只会治疗症状而不是原因。