Jak osadzasz dane binarne w XML?

Mam dwie aplikacje napisane w Javie, które komunikują się ze sobą za pomocą komunikatów XML w sieci. Używam parsera SAX na końcu odbierającym, aby odzyskać dane z wiadomości. Jednym z wymagań jest osadzenie danych binarnych w wiadomości XML, ale SAX tego nie lubi. Czy ktoś wie, jak to zrobić?

AKTUALIZACJA: Mam to, pracując z klasą Base64 z biblioteki kodeków Apache commons , na wypadek, gdyby ktoś inny próbował czegoś podobnego.

Możesz zakodować dane binarne za pomocą base64 i umieścić je w elemencie Base64; poniższy artykuł jest całkiem dobry na ten temat.

Obsługa danych binarnych w dokumentach XML

XML jest tak wszechstronny ...

<DATA>
  <BINARY>
    <BIT index="0">0</BIT>
    <BIT index="1">0</BIT>
    <BIT index="2">1</BIT>
    ...
    <BIT index="n">1</BIT>
  </BINARY>
</DATA>

XML jest jak przemoc - jeśli nie rozwiązuje problemu, oznacza to, że nie używasz go wystarczająco dużo.

EDYTOWAĆ:

BTW: Base64 + CDATA to prawdopodobnie najlepsze rozwiązanie

(EDIT2:
Ktokolwiek mnie upmodowuje, proszę również zmodyfikuj prawdziwą odpowiedź. Nie chcemy, aby jakakolwiek biedna dusza przychodziła tutaj i faktycznie wdrażała moją metodę, ponieważ była najwyżej oceniona na SO, prawda?)

Base64 jest rzeczywiście właściwą odpowiedzią, ale CDATA nie, to w zasadzie mówi: „to może być cokolwiek”, jednak nie może to być byle jakie, muszą to być dane binarne zakodowane w Base64. Schemat XML definiuje binarny Base 64 jako prymitywny typ danych, którego możesz użyć w swoim xsd.

Miałem ten problem w zeszłym tygodniu. Musiałem serializować plik PDF i wysłać go w pliku XML na serwer.

Jeśli używasz .NET, możesz przekonwertować plik binarny bezpośrednio na ciąg base64 i umieścić go w elemencie XML.

string base64 = Convert.ToBase64String(File.ReadAllBytes(fileName));

Lub istnieje metoda wbudowana bezpośrednio w obiekt XmlWriter. W moim przypadku musiałem uwzględnić przestrzeń nazw typu danych firmy Microsoft:

StringBuilder sb = new StringBuilder();
System.Xml.XmlWriter xw = XmlWriter.Create(sb);
xw.WriteStartElement("doc");
xw.WriteStartElement("serialized_binary");
xw.WriteAttributeString("types", "dt", "urn:schemas-microsoft-com:datatypes", "bin.base64");
byte[] b = File.ReadAllBytes(fileName);
xw.WriteBase64(b, 0, b.Length);
xw.WriteEndElement();
xw.WriteEndElement();
string abc = sb.ToString();

Ciąg abc wygląda mniej więcej tak:

<?xml version="1.0" encoding="utf-16"?>
<doc>
    <serialized_binary types:dt="bin.base64" xmlns:types="urn:schemas-microsoft-com:datatypes">
        JVBERi0xLjMKJaqrrK0KNCAwIG9iago8PCAvVHlwZSAvSW5mbw...(plus lots more)
    </serialized_binary>
</doc>

Zwykle koduję dane binarne za pomocą kodowania MIME Base64 lub URL .

Spróbuj kodować / dekodować dane binarne Base64. Zajrzyj także do sekcji CDATA

Może zakoduj je do znanego zestawu - coś takiego jak baza 64 jest popularnym wyborem.

Każde kodowanie binarne na tekst załatwi sprawę. Używam czegoś takiego

<data encoding="yEnc>
<![CDATA[ encoded binary data ]]>
</data>

Narzut Base64 wynosi 33%.

BaseXML dla XML1.0 narzut wynosi tylko 20% . Ale to nie jest standard i ma jeszcze tylko implementację C. Sprawdź to, jeśli obawiasz się rozmiaru danych. Należy jednak pamiętać, że przeglądarki mają tendencję do implementowania kompresji, więc jest ona mniej potrzebna.

Opracowałem go po dyskusji w tym wątku: Kodowanie danych binarnych w XML: alternatywy dla base64 .

Podczas gdy inne odpowiedzi są w większości w porządku, możesz wypróbować inną, bardziej wydajną przestrzennie metodę kodowania, taką jak yEnc. ( yEnc wikipedia link ) Z yEnc również można uzyskać sumę kontrolną zaraz po wyjęciu z pudełka. Przeczytaj i linki poniżej. Oczywiście, ponieważ XML nie ma natywnego typu yEnc, twój schemat XML powinien zostać zaktualizowany, aby poprawnie opisał zakodowany węzeł.

Dlaczego : Ze względu na strategie kodowania base64 / 63, uuencode et al. kodowanie zwiększa ilość danych (narzut), które musisz przechowywać i przesyłać o około 40% (w porównaniu z 1-2% YEnc). W zależności od tego, co kodujesz, 40% narzut może być / stać się problemem.

yEnc - streszczenie Wikipedii: https://en.wikipedia.org/wiki/YEnc yEnc to schemat kodowania binarnego na tekst służący do przesyłania plików binarnych w wiadomościach w Usenecie lub za pośrednictwem poczty e-mail. ... Dodatkową zaletą yEnc nad poprzednimi metodami kodowania, takimi jak uuencode i Base64, jest dołączenie sumy kontrolnej CRC w celu sprawdzenia, czy zdekodowany plik został dostarczony w stanie nienaruszonym. Wcześniejsze

Możesz także zakodować oryginalne dane binarne. Ten format jest nieco starszy, ale robi to samo, co kodowanie base63.

Jeśli masz kontrolę nad formatem XML, powinieneś odwrócić problem na drugą stronę. Zamiast dołączać binarny plik XML, powinieneś pomyśleć o tym, jak załączyć dokument, który ma wiele części, z których jedna zawiera XML.

Tradycyjnym rozwiązaniem jest archiwum (np. Tar). Ale jeśli chcesz zachować załączony dokument w formacie tekstowym lub jeśli nie masz dostępu do biblioteki archiwizującej pliki, istnieje również ustandaryzowany schemat, który jest często używany w wiadomościach e-mail i HTTP, który jest wieloczęściowy / * MIME z Content-Transfer-Encoding: binarny .

Na przykład, jeśli Twoje serwery komunikują się przez HTTP i chcesz wysłać dokument wieloczęściowy, z których podstawowym jest dokument XML, który odnosi się do danych binarnych, komunikacja HTTP może wyglądać mniej więcej tak:

POST / HTTP/1.1
Content-Type: multipart/related; boundary="qd43hdi34udh34id344"
... other headers elided ...

--qd43hdi34udh34id344
Content-Type: application/xml

<myxml>
    <data href="cid:data.bin"/>
</myxml>
--qd43hdi34udh34id344
Content-Id: <data.bin>
Content-type: application/octet-stream
Content-Transfer-Encoding: binary

... binary data ...
--qd43hdi34udh34id344--

Jak w powyższym przykładzie, XML odwołuje się do danych binarnych w otaczającym go wieloczęściowym przy użyciu cidschematu URI, który jest identyfikatorem nagłówka Content-Id. Narzut tego schematu byłby tylko nagłówkiem MIME. Podobny schemat można również zastosować do odpowiedzi HTTP. Oczywiście w protokole HTTP masz również możliwość wysłania wieloczęściowego dokumentu w osobnym żądaniu / odpowiedzi.

Jeśli chcesz uniknąć zawijania danych w wieloczęściowy, użyj identyfikatora URI danych:

<myxml>
    <data href="data:application/something;charset=utf-8;base64,dGVzdGRhdGE="/>
</myxml>

Ale to ma narzut na base64.