将带有“&”的 XML 读入 C# XMLDocument 对象

Posted 2023-03-31

【中文标题】将带有“&”的 XML 读入 C# XMLDocument 对象

【英文标题】：Reading XML with an "&" into C# XMLDocument Object

【发布时间】：2010-09-12 09:35:14

【问题描述】：

我继承了一个编写不佳的 Web 应用程序，当它尝试读取存储在数据库中的带有“&”的 xml 文档时似乎有错误。例如，会有一个标签，其内容为：“预付和收费”。是否有一些秘密的简单方法可以让它在解析该字符时不会出错，或者我是否遗漏了一些明显的东西？

编辑： 是否还有其他字符会因为格式不正确而导致相同类型的解析器错误？

【参考方案1】：

问题是xml格式不正确。正确生成的 xml 会像这样列出该数据：

Prepaid & Charge

我以前必须解决同样的问题，我用这个正则表达式解决了这个问题：

Regex badAmpersand = new Regex("&(?![a-zA-Z]2,6;|#[0-9]2,4;)");

将它与这样定义的字符串常量结合起来：

const string goodAmpersand = "&";

现在你可以说badAmpersand.Replace(<your input>, goodAmpersand);

请注意，简单的String.Replace("&", "&") 还不够好，因为您无法提前知道给定文档的任何 & 字符是否会被正确、错误地编码，甚至两者都在同一个文档中。

这里需要注意的是，您必须在将 xml 文档加载到解析器之前执行此操作，这可能意味着需要额外通过它。此外，它不考虑 CDATA 部分内的 & 符号。最后，它只捕获与号，而不是像更新：根据评论，我还需要更新十六进制编码 (...;) 实体的表达式。

关于哪些字符会导致问题，实际规则有点复杂。例如，数据中允许使用某些字符，但不能作为元素名称的第一个字母。并且没有简单的非法字符列表。相反，一大片（非连续的）UNICODE 是defined as legal，除此之外的任何内容都是非法的。

因此，归根结底，您必须相信您的文档来源至少具有一定程度的合规性和一致性。例如，我发现人们通常足够聪明，可以确保标签正常工作并转义 最好的办法是从源头上解决这个问题。

哦，还有关于 CDATA 建议的说明：我会用它来确保 我正在创建的 xml 格式正确，但是在处理来自外部的现有 xml 时，我发现正则表达式方法更简单。

【讨论】：

十六进制编码 ...;也可能存在字符引用。我建议首先尝试正常解析文档，如果结果格式正确，则仅尝试应用修复黑客。这样您就可以确定以后修复的有效文档将始终正常工作。

【参考方案2】：

Web 应用程序没有问题，XML 文档有问题。 XML 中的 & 符号应编码为 &。不这样做是语法错误。

编辑：在回答后续问题时，是的，有各种类似的错误。例如，不平衡的标签、未编码的小于号、未引用的属性值、字符编码之外的八位字节和各种 Unicode 异常、无法识别的实体引用等等。为了让任何体面的 XML 解析器使用文档，该文档必须是格式良好的。 XML 规范要求解析器遇到格式错误的文档时会抛出致命错误。

【讨论】：

所以，您认为我可以将责任归咎于我的懒惰集成团队发送错误的 XML 是吧？有些东西告诉我，我仍然可以在我这边解决它。 :-(

如果可能的话，是的，从源头上解决问题。如果您绝对必须处理无法修复系统的坏源，请尝试在它进入数据库之前对其进行修复。

【参考方案3】：

其他答案都是正确的，我同意他们的建议，但让我补充一点：

请不要让应用程序使用格式不正确的 XML，这只会让我们的余生更加困难:)。

诚然，有时候，如果您无法控制另一端，您真的别无选择，但您真的应该让它抛出一个致命错误，并大声而明确地抱怨什么是坏的。发生了一个事件。

您可能会更进一步说“Ack！这个 XML 在这些地方被破坏了，由于这些原因，我尝试修复它以使其格式正确：...”。

我对 MSXML API 并不太熟悉，但大多数优秀的 XML 解析器都允许您安装错误处理程序，以便您可以捕获出现错误的确切行/列号以及获取错误代码和消息。

【讨论】：

我倾向于同意。我的第一个行动是抱怨，我会看看他们是否会解决它。问题是我的解决方法是 2 分钟，而他们的解决方法更多。无论如何感谢您的建议。

+1。如果你修复它，至少继续发出警告。继续以“错误的方式”进行操作，您最终肯定会遇到破坏您正在采取的任何修复措施的数据。

【参考方案4】：

您的数据库不包含 XML 文档。它包含一些格式良好的 XML 文档和一些在人类看来类似于 XML 的字符串。

如果可能的话，您应该修复这个问题 - 特别是，您应该修复任何生成格式错误的 XML 文档的进程。修复从这个数据库中读取数据的程序只是把墙纸放在墙上的裂缝上。

【参考方案5】：

你可以用&替换&

或者您也可以使用CDATA 部分。

【讨论】：

全局编码 & 将丢失数据中的任何真实实体引用。

【参考方案6】：

有几个字符会导致 XML 数据被报告为格式错误。

来自w3schools：

像“

对于您不相信符合 XML 的输入的最佳解决方案是将其包装在 CDATA 标记中，例如

<![CDATA[This is my wonderful & great user text]]>

解析器会忽略 <![CDATA[ 和 ]]> 标记中的所有内容。

【讨论】：

也许澄清一下'CDATA标签中除了结束标签之外的所有东西都被解析器忽略了？

并非全部.. ]]> 不是。这意味着，如果他发送了一个包含 CDATA 部分的 xml，甚至只是一个 ]]> 文本块，它就会中断。

如果您在输入中遇到 ]]>，请将您的输入分成 2 个 CDATA 部分：一个以 ]] 结尾，一个以 > 开头。解析器将再次重新连接这两个部分。