Come si incorporano dati binari in XML?

Ho due applicazioni scritte in Java che comunicano tra loro utilizzando messaggi XML sulla rete. Sto usando un parser SAX all'estremità ricevente per recuperare i dati dai messaggi. Uno dei requisiti è incorporare dati binari in un messaggio XML, ma a SAX non piace. Qualcuno sa come fare questo?

AGGIORNAMENTO: ho ottenuto questo funzionamento con la classe Base64 dalla libreria dei codec di apache commons , nel caso qualcun altro stia provando qualcosa di simile.

È possibile codificare i dati binari utilizzando base64 e inserirli in un elemento Base64; l'articolo seguente è abbastanza buono sull'argomento.

Gestione dei dati binari nei documenti XML

XML è così versatile ...

<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 è come la violenza: se non risolve il tuo problema, non ne stai utilizzando abbastanza.

MODIFICARE:

BTW: Base64 + CDATA è probabilmente la soluzione migliore

(EDIT2:
Chiunque mi ottimizzi, per favore anche upmod la vera risposta. Non vogliamo che nessuna povera anima venga qui e implementa effettivamente il mio metodo perché era il più alto classificato in SO, giusto?)

Base64 è davvero la risposta giusta ma CDATA non lo è, in pratica sta dicendo: "questo potrebbe essere qualsiasi cosa", tuttavia deve non essere qualsiasi cosa, deve essere codificato Base64 dati binari. XML Schema definisce il binario Base 64 come un tipo di dati primitivo che puoi usare nel tuo xsd.

Ho avuto questo problema solo la scorsa settimana. Ho dovuto serializzare un file PDF e inviarlo, all'interno di un file XML, a un server.

Se stai usando .NET, puoi convertire un file binario direttamente in una stringa base64 e incollarlo all'interno di un elemento XML.

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

In alternativa, esiste un metodo integrato direttamente nell'oggetto XmlWriter. Nel mio caso particolare, ho dovuto includere lo spazio dei nomi del tipo di dati di 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();

La stringa abc ha un aspetto simile a questo:

<?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>

Di solito codifico i dati binari con MIME Base64 o codifica URL .

Prova la codifica / decodifica Base64 dei tuoi dati binari. Guarda anche nelle sezioni CDATA

Forse codificali in un set noto: qualcosa come la base 64 è una scelta popolare.

Qualsiasi codifica da binario a testo farà il trucco. Uso qualcosa del genere

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

L'overhead Base64 è del 33%.

L'overhead di BaseXML per XML1.0 è solo del 20% . Ma non è uno standard e ha ancora solo un'implementazione C. Dai un'occhiata se sei preoccupato per la dimensione dei dati. Si noti che tuttavia i browser tendono a implementare la compressione in modo che sia meno necessaria.

L'ho sviluppato dopo la discussione in questo thread: Codifica di dati binari all'interno di XML: alternative a base64 .

Mentre le altre risposte sono per lo più a posto, potresti provare un altro metodo di codifica più efficiente in termini di spazio come yEnc. ( yEnc wikipedia link ) Con yEnc ottieni anche la capacità di checksum "fuori dalla scatola". Leggi e link di seguito. Ovviamente, poiché XML non ha un tipo yEnc nativo, il tuo schema XML dovrebbe essere aggiornato per descrivere correttamente il nodo codificato.

Perché : a causa delle strategie di codifica base64 / 63, uuencode et al. le codifiche aumentano la quantità di dati (overhead) che è necessario archiviare e trasferire di circa il 40% (rispetto all'1-2% di yEnc). A seconda di ciò che stai codificando, il 40% di overhead potrebbe essere / diventare un problema.

yEnc - Estratto di Wikipedia: https://en.wikipedia.org/wiki/YEnc yEnc è uno schema di codifica da binario a testo per il trasferimento di file binari nei messaggi su Usenet o tramite e-mail. ... Un ulteriore vantaggio di yEnc rispetto ai metodi di codifica precedenti, come uuencode e Base64, è l'inclusione di un checksum CRC per verificare che il file decodificato sia stato consegnato intatto.

Puoi anche Uuencode i tuoi dati binari originali. Questo formato è un po 'più vecchio ma fa la stessa cosa della codifica base63.

Se hai il controllo sul formato XML, dovresti capovolgere il problema. Piuttosto che allegare l'XML binario, dovresti pensare a come racchiudere un documento che ha più parti, una delle quali contiene XML.

La soluzione tradizionale a questo è un archivio (ad esempio tar). Ma se vuoi mantenere il tuo documento allegato in un formato basato su testo o se non hai accesso a una libreria di archiviazione di file, c'è anche uno schema standardizzato che viene utilizzato pesantemente nelle e-mail e HTTP che è multipart / * MIME con Content-Transfer-Encoding: binario .

Ad esempio, se i tuoi server comunicano tramite HTTP e desideri inviare un documento in più parti, il principale è un documento XML che fa riferimento a dati binari, la comunicazione HTTP potrebbe essere simile a questa:

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--

Come nell'esempio precedente, l'XML fa riferimento ai dati binari nella multiparte che lo racchiude utilizzando uno cidschema URI che è un identificatore dell'intestazione Content-Id. Il sovraccarico di questo schema sarebbe solo l'intestazione MIME. Uno schema simile può essere utilizzato anche per la risposta HTTP. Ovviamente nel protocollo HTTP, hai anche la possibilità di inviare un documento multiparte in una richiesta / risposta separata.

Se vuoi evitare di racchiudere i tuoi dati in una multiparte, devi usare l'URI dei dati:

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

Ma questo ha l'overhead base64.