如何解析节点名称中包含无效字符的 XML？

发布于 2024-07-26 11:01:25 字数 627 浏览 8 评论 0原文

所以我试图解析一些 XML，其创建不在我的控制之下。问题是，他们以某种方式获得了如下所示的节点：

<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(MORNINGSTAR) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(QUARTERSTAFF) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(SCYTHE) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(TRATNYR) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(TRIPLE-HEADED_FLAIL) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(WARAXE) />

Visual Studio 和 .NET 都认为上面使用的“(”和“)”字符完全无效。不幸的是，我需要处理这些文件！有什么方法可以让 Xml Reader 类在看到这些字符时不会惊慌失措，或者动态转义它们或其他什么？我可以对整个文件进行某种预处理，但我确实想要“(”和“)”字符，如果它们以某种有效的方式出现在节点内，所以我不想将它们全部删除。 ..

原文

So I'm trying to parse some XML, the creation of which is not under my control. The trouble is, they've somehow got nodes that look like this:

<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(MORNINGSTAR) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(QUARTERSTAFF) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(SCYTHE) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(TRATNYR) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(TRIPLE-HEADED_FLAIL) />
<ID_INTERNAL_FEAT_FOCUSED_EXPERTISE_(WARAXE) />

Visual Studio and .NET both feel that the '(' and ')' characters, as used above, are totally invalid. Unfortunately, I need to process these files! Is there any way to get the Xml Reader classes to not freak out at seeing these characters, or dynamically escape them or something? I could do some sort of pre-processing on the whole file, but I DO want the '(' and ')' characters if they appear inside the node in some valid way, so I don't want to just remove them all...

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

何止钟意 2024-08-02 11:01:25

这根本就是无效的。预处理是你最好的选择，也许使用正则表达式 - 类似：

string output = Regex.Replace(input, @"(<\w+)\((\w+)\)([ >/])", "$1$2$3");

编辑：替换括号内的“-”要更复杂一些：

string output = Regex.Replace(input, @"(<\w+)\(([-\w]+)\)([ >/])",
    delegate(Match match) {
        return match.Groups[1].Value + match.Groups[2].Value.Replace('-', '_')
             + match.Groups[3].Value;
    });

That simply isn't valid. Pre-processing is your best-bet, perhaps with regex - something like:

string output = Regex.Replace(input, @"(<\w+)\((\w+)\)([ >/])", "$1$2$3");

Edit: a bit more complex to replace the "-" inside the brackets:

string output = Regex.Replace(input, @"(<\w+)\(([-\w]+)\)([ >/])",
    delegate(Match match) {
        return match.Groups[1].Value + match.Groups[2].Value.Replace('-', '_')
             + match.Groups[3].Value;
    });

回复收藏 0 原文

鱼忆七猫命九 2024-08-02 11:01:25

如果它在语法上无效，那么它就不是 XML。

XML对此非常严格。

如果您无法让发送应用程序发送正确的 XML，那么只需让他们知道无论下游进程看到此都会失败，无论是您的还是其他应用程序未来。

如果无法进行预处理，另一种巧妙的机制是使用自定义流包装传递给解析器的 Stream 对象。该流可以查找 < 字符，当它看到一个字符时，设置一个标志。在看到 > 字符之前，它可以吃掉任何 （ 或 ） 字符。我们使用类似的方法来删除由遗留传输机制添加到 XML 文件中的 NUL 和 ^Z 字符。（唯一的问题可能是属性内部有 < 字符，因为它们不必在那里转义 - 只有 > 字符可以。）