清理无效的 xml 字符串，使其成为有效的 xml

Posted 2023-04-12

【中文标题】清理无效的 xml 字符串，使其成为有效的 xml

【英文标题】：Clean an invalide xml string, to make it valide xml

【发布时间】：2021-11-01 16:16:57

【问题描述】：

我有一个无效的 xml 文件（由多个 xml 文件的串联产生）。是否可以从这里清除不需要的重复节点（root 和 xml）：

<?xml version="1.0" encoding="utf-8"?>
<root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema">
    <Client>client1</Client>
    <ClientType>1</ClientType>
</root><?xml version="1.0">
<root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema">
    <Client>client2</Client>
</root><?xml version="1.0" encoding="utf-8"?>
<root>
    <Client>client3</Client>    
</root>

到这里：

<?xml version="1.0" encoding="utf-8"?>
<root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema">
    <Client>client1</Client>
    <ClientType>1</ClientType>
    <Client>client2</Client>
    <Sex>1</Sex>
    <Client>client3</Client>
    <Sex>1</Sex>
</root>

我已经开始使用正则表达式来查找“xml”和“root”的出现，

var test = Regex.Matches(input, "<\\?xml").Count;

但我有两个困难： 1/ 删除除第一个和最后一个以外的所有根节点。 （也许使用 IndexOf 函数？） 2/ 管理稍有不同的节点，例如

 <root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema">

和

 <root>

必须以同样的方式对待

【问题讨论】：

XmlSerializer 适用于不验证 xml 文件？

格式良好的 XML 仅在根标记上。您的 XML 格式不正确，但根据 XML 规范是有效的。在 Net 库中，您必须使用具有以下设置的 XmlReader： XmlReaderSettings settings = new XmlReaderSettings(); settings.ConformanceLevel = ConformanceLevel.Fragment;我昨天用它来回答。请参阅：***.com/questions/69042159/…

XML 无法容忍格式正确的错误，因此任何支持 XML 的应用程序都应该拒绝此类文档。试图即时修复解析错误可能是错误的方法，你应该问问自己你是否真的想要或需要这个。 XML不类似于 html，语法错误通常是可以原谅的。 XML 类似于编程代码。一切都必须完美，否则就不是 XML。

【参考方案1】：

您可以尝试使用 XML 解析器。它会让你在所有这些文件中得到你需要的东西。然后，您可以创建一个新的，其中包含您需要的任何数据。

您可以从：https://docs.microsoft.com/en-us/dotnet/api/system.xml.linq.xdocument.parse?view=net-5.0

【讨论】：

请添加更多详细信息以扩展您的答案，例如工作代码或文档引用。

【参考方案2】：

恕我直言，唯一的解决方案：使用 XML 解析器读取这两个文件，例如通过使用 2 个单独的 XmlDocument 对象，然后根据需要使用 copy XML nodes over，最后使用 write the altered object to a file。

这可能并不容易，尤其是。在处理命名空间时，但即便如此，这可能是获得良好、可靠结果的最佳方法。