如何使用sed或Perl从xml文件中删除无效字符

Question

我想摆脱所有无效的角色; 示例hexadecimal value 0x1A来自使用sed的XML文件.
什么是正则表达式和命令行？
编辑
添加了Perl标签,希望获得更多响应.我更喜欢单线解决方案.
编辑
这些是有效的XML字符

x9 | xA | xD | [x20-xD7FF] | [xE000-xFFFD] | [x10000-x10FFFF]

Answer 1

假设UTF-8 XML文档:

perl -CSDA -pe'
   s/[^\x9\xA\xD\x20-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}]+//g;
' file.xml > file_fixed.xml

如果你想编码坏字节,

perl -CSDA -pe'
   s/([^\x9\xA\xD\x20-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}])/
      "&#".ord($1).";"
   /xeg;
' file.xml > file_fixed.xml

您可以通过几种不同的方式调用它:

perl -CSDA     -pe'...' file.xml > file_fixed.xml
perl -CSDA -i~ -pe'...' file.xml     # Inplace with backup
perl -CSDA -i  -pe'...' file.xml     # Inplace without backup