.NET XmlDocument LoadXML 和实体

Posted 2023-03-30

【中文标题】.NET XmlDocument LoadXML 和实体

【英文标题】：.NET XmlDocument LoadXML and Entities

【发布时间】：2008-09-30 12:51:19

【问题描述】：

将 XML 加载到 XmlDocument 中时，即

XmlDocument 文档 = 新 XmlDocument(); document.LoadXml(xmlData);

有没有办法阻止进程替换实体？我有一个奇怪的问题，我在 xml 中有一个 TM 符号（存储为实体 #8482）被转换为 TM 字符。就我而言，这不应该发生，因为 XML 文档具有编码 ISO-8859-1（没有 TM 符号）

谢谢

【参考方案1】：

这是对 XML 工具集的标准误解。整个业务带有“”，是一种旨在应对字符编码的句法特征。您的 XmlDocument 不是字符流——它已经摆脱了字符编码问题——而是包含 XML 类型数据的抽象模型。这方面的词包括 DOM 和 InfoSet，我不确定哪个是准确的。

"" gubbins 在此模型中将不存在，因为整个问题无关紧要，如果合适的话，当您将信息集转换回某种特定编码的字符流时，它将返回。

这种误解非常普遍，以至于将其作为类似怪癖集合的一部分写入学术文献。看看这个位置的“Xml Fever”：http://doi.acm.org/10.1145/1364782.1364795

【参考方案2】：

你在写什么？一个文字作家？流？什么？

以下内容保留实体（好吧，它用十六进制等效项替换它） - 但如果您对 StringWriter 执行相同操作，它会检测到 unicode 并改用它：

    XmlDocument doc = new XmlDocument();
    doc.LoadXml(@"<xml>&#8482;</xml>");
    using (MemoryStream ms = new MemoryStream())
    
        XmlWriterSettings settings = new  XmlWriterSettings();
        settings.Encoding = Encoding.GetEncoding("ISO-8859-1");
        XmlWriter xw = XmlWriter.Create(ms, settings);
        doc.Save(xw);
        xw.Close();
        Console.WriteLine(Encoding.UTF8.GetString(ms.ToArray()));
    

输出：

    <?xml version="1.0" encoding="iso-8859-1"?><xml>&#x2122;</xml>

【参考方案3】：

我承认 XML 文档和编码有点令人困惑，但我希望当你再次保存它时它会被设置为适当的，如果你仍在使用 ISO-8859-1 - 但是如果你保存使用 UTF-8，就不需要了。在某些方面，从逻辑上讲，文档确实包含符号而不是实体引用——后者只是一个编码问题。 （我在这里大声思考-请不要将此作为权威信息。）

文件加载后你在做什么？

【讨论】：

最终我将字符输出到网页。问题是字符在显示上被破坏了，因为我将 responseEncoding 设置为 ISO-88559-1

您是如何将数据写入网页的？如果您使用编码为 ISO-8859-1 的 TextWriter 将其写出来，我希望它能够放入正确的字符实体。（您真的必须首先使用 ISO-8859-1，顺便说一句？）

我将它作为字符串存储在 DTO 中。这是通过查找特定节点然后执行 string fieldValue = ((XmlNode)fieldListEnum.Current).FirstChild.Value 从 XML 检索的。我最终使用一些数据绑定代码将它写到中继器

我不明白的是，如果数据以不可知的方式存储在 xml 编码中，为什么它不能正常工作

所以你在 FirstChild.Value 中得到了 unicode 字符——它是从字符实体中解码出来的。听起来您需要查看的不是 XML 文档，而是转发器。我建议您暂时忽略 XML 并尝试将字符（硬编码）写入转发器。

【参考方案4】：

我相信如果您将实体内容包含在 CDATA 部分中，它应该不理会它，例如

<root>
<testnode>
<![CDATA[some text &#8482;]]>
</testnode>
</root>

【参考方案5】：

实体引用不是特定于编码的。根据W3C XML 1.0 Recommendation：

如果字符引用以 ""，数字和字母最多 终止；提供一个 的十六进制表示 ISO/IEC 中字符的代码点 10646.

【讨论】：

也许不是在阅读时——但在写作时是这样，因为该编码中可能不存在某些代码点，因此需要字符引用；所以真正归结为 OP 如何写入数据。

【参考方案6】：

xxx;实体被认为是它们所代表的字符。所有 XML 在读取时都会转换为 unicode，并且任何此类实体都将被删除以支持它们所代表的 unicode 字符。这包括它们在 unicode 源中出现的任何情况，例如传递给 LoadXML 的字符串。

类似地，在写入任何不能由正在写入的流表示的字符时，将转换为 xxx;实体。试图保护它们毫无意义。

一个常见的错误是期望通过某种方式从 DOM 中获取字符串，该方式使用除 unicode 之外的编码。无论发生什么，这都不会发生

【参考方案7】：

感谢大家的帮助。

我已经通过编写一个 htmlEncode 函数解决了我的问题，该函数实际上会在将所有字符吐出到网页之前替换所有字符（而不是依赖似乎只编码一小部分的有点损坏的 HtmlEncode() .NET 函数必要字符的子集）