C#从xml中删除无效字符[重复]

Posted 2023-04-13

【中文标题】C#从xml中删除无效字符[重复]

【英文标题】：C# removing invalid characters from xml [duplicate]

【发布时间】：2017-04-08 22:41:11

【问题描述】：

我需要读入一个不符合 xml 规则的 xml 文件。所以我需要在我可以将它作为 xml 文件读取之前把它做好。它在元素之间存在诸如“&”和“

<MAT>
<MATERIAL><MATNR>2286303</MATNR><BESTELTXT>Parts for something & something else</BESTELTXT><WERKS>Material exist out of<1 something</WERKS>
</MAT>

现在我有这个：

我读入文件然后我这样做

            text = Regex.Replace(text, @"\s&\s", " & ");
            text = Regex.Replace(text, @"[<]\d+", "&lt;");

之后我将文本写入文件，然后我将其作为 xml 读入。

“

ps：我知道这应该在制作 xml 文件时进行处理，但它来自第三方，他们无法更改。

【问题讨论】：

他们不能改变吗？然后更改该供应商

他们没有为你提供一个有效的 XML 文件，你不能指望把它当作一个来阅读。

@Thomas 是的，这很有趣，但通常这不是开发人员的决定权。

@Jamiec 我必须同意你的观点，但我们别无选择，所以就像 CodeCaster 说的那样，这不是我决定的地方。我问过他们并让他们知道，但答案是不可能，所以我坚持下去。

@BramV 看到我 100% 不同意编解码器。 是开发者 IMO 的责任。如果我有报酬成为一名开发人员，那么有人会为我的知识和经验买单。如果这告诉我他们正在使用一个糟糕的供应商，那么该死的，我会向付钱给我的人说清楚。

【参考方案1】：

你应该试试这个

text = Regex.Replace(text, @"(\s+)&(\s+)", "$1&$2");
text = Regex.Replace(text, @"[<](\d+)", "&lt;$1");

首先将 \s 更改为 \s+ 以选择 &，即使它被多个空格包围，但使用 + 意味着少于一个空格。 第二次将\d+ 更改为(\d+) 通过这样做，我能够使用包含所选数字值的$1，同样的事情适用于 \s+，如果您有多个选定的组，则顺序将是 1 美元、2 美元等。 为了提高性能，您可以将RegexOptions.Compiled 添加到您的正则表达式中，例如text = Regex.Replace(text, @"(\s+)&(\s+)", "$1&$2",RegexOptions.Compiled);

此外，如果您想更改所有 &，则必须删除 (\s+)

【讨论】：

请解释您更改的内容，而不是“试试这个”。

以及你为什么改变它

@CodeCaster 够了吗？我没有解释，因为这些是正则表达式世界中的基本内容

如果 OP 精通 Regex 世界中的基本知识，他们就不必问这个问题了，不是吗？但是，是的，这是您添加的一个很好的解释，请点赞。

这是一个很好的观点，谢谢。