从 Web 服务输出中清除 ASCII 控制字符

Question

我在处理从最近使用的 Web 服务接收的一些文本时遇到了一些困难。 Web 服务发回 XML，这很好，但我们在某些 XML 的中间得到了 ASCII 控制字符。我想在这篇文章中粘贴一个示例，但由于是无效字符，我什至无法将其粘贴到此文本区域中。

我花了一些时间研究在这些情况下该怎么做，我发现了这篇内容丰富的文章：http://seattlesoftware.wordpress.com/2008/09/11/hexadecimal-value-0-is-an-invalid-character/。以下是这篇文章中的相关引用：

这些字符没有任何 业务存在于 XML 数据中；他们是 应该是非法字符 已删除...

因此，按照文章的建议，我编写了一些代码来获取此服务的原始输出，并删除它的任何控制字符字符（并且不是空格、制表符、cr 或 lf）

在这里是那个代码：

System.Net.WebClient client = new System.Net.WebClient();

byte[] invalidCharacters = { 0x0, 0x1, 0x2, 0x3, 0x4, 0x5, 0x6, 0x7, 0x8, 0xB, 
                             0xC, 0xE, 0xF, 0x10, 0x11, 0x12, 0x14, 0x15, 0x16, 
                             0x17, 0x18, 0x1A, 0x1B, 0x1E, 0x1F, 0x7F };

byte[] sanitizedResponse = (from a in client.DownloadData(url)
                            where !invalidCharacters.Contains(a)
                            select a).ToArray();

result = System.Text.UTF8Encoding.UTF8.GetString(sanitizedResponse);

但这让我思考。如果我收到双字节字符，我会弄乱我得到的任何数据吗？对于某些代码页来说，由一个或两个单字节 ASCII 控制字符组成的双字节字符是否有效？文章称这些字符“与 XML 数据无关”，这听起来像是最终决定，但我想要另一种意见。

感谢任何反馈

Answer 1

好吧，您显示的代码是假设 UTF-8 - 它的数据中永远不会有任何字节（除了那些字符），因为它的设计方式。但是，我鼓励使用文本驱动方法而不是这种字节驱动方法 - 我可能会使用DownloadString而不是DownloadData（并依靠 WebClient 选择正确的编码），然后在解析数据之前使用正则表达式清理数据。

我还会联系网络服务提供商，解释他们正在提供无效的 XML...

Answer 2

请尝试以下操作：

byte[] byteArray = Encoding.ASCII.GetBytes( test ); 
MemoryStream stream = new MemoryStream( byteArray );    
stream.Position = 0;
StreamReader reader = new StreamReader( stream );            
string text = reader.ReadToEnd();