删除空的 XML 标签

Question

我正在寻找一种可以有效地从 XML 中删除空标签的好方法。你有什么建议吗？正则表达式？ X文档？ XmlTextReader？

例如，

const string original = 
    @"<?xml version=""1.0"" encoding=""utf-16""?>
    <pet>
        <cat>Tom</cat>
        <pig />
        <dog>Puppy</dog>
        <snake></snake>
        <elephant>
            <africanElephant></africanElephant>
            <asianElephant>Biggy</asianElephant>
        </elephant>
        <tiger>
            <tigerWoods></tigerWoods>       
            <americanTiger></americanTiger>
        </tiger>
    </pet>";

可以变成：

const string expected = 
    @"<?xml version=""1.0"" encoding=""utf-16""?>
        <pet>
        <cat>Tom</cat>
        <dog>Puppy</dog>        
        <elephant>                                              
            <asianElephant>Biggy</asianElephant>
        </elephant>                                 
    </pet>";

Answer 1

将原始文件加载到 XDocument 中并使用以下代码给出您想要的输出：

var document = XDocument.Parse(original);
document.Descendants()
        .Where(e => e.IsEmpty || String.IsNullOrWhiteSpace(e.Value))
        .Remove();

Answer 2

这意味着对处理属性的已接受答案的改进：

XDocument xd = XDocument.Parse(original);
xd.Descendants()
    .Where(e => (e.Attributes().All(a => a.IsNamespaceDeclaration || string.IsNullOrWhiteSpace(a.Value))
            && string.IsNullOrWhiteSpace(e.Value)
            && e.Descendants().SelectMany(c => c.Attributes()).All(ca => ca.IsNamespaceDeclaration || string.IsNullOrWhiteSpace(ca.Value))))
    .Remove();

这里的想法是在删除元素之前检查元素上的所有属性是否也为空。 还有一种情况，空后代可以具有非空属性。我插入了第三个条件来检查该元素在其后代中是否具有所有空属性。考虑以下文档添加了node8：

<root>
  <node />
  <node2 blah='' adf='2'></node2>
  <node3>
    <child />
  </node3>
  <node4></node4>
  <node5><![CDATA[asdfasdf]]></node5>
  <node6 xmlns='urn://blah' d='a'/>
  <node7 xmlns='urn://blah2' />
  <node8>
     <child2 d='a' />
  </node8>
</root>

这将变为：

<root>
  <node2 blah="" adf="2"></node2>
  <node5><![CDATA[asdfasdf]]></node5>
  <node6 xmlns="urn://blah" d="a" />
  <node8>
    <child2 d='a' />
  </node8>
</root>

原始和改进 em> 回答这个问题将丢失 node2 和 node6 和 node8 节点。如果您只想删除像 这样的节点，则检查 e.IsEmpty 会起作用，但如果您要同时删除 ，则检查是多余的<节点/>和<节点>。如果您还需要删除空属性，您可以这样做：

xd.Descendants().Attributes().Where(a => string.IsNullOrWhiteSpace(a.Value)).Remove();
xd.Descendants()
  .Where(e => (e.Attributes().All(a => a.IsNamespaceDeclaration))
            && string.IsNullOrWhiteSpace(e.Value))
  .Remove();

这将为您提供：

<root>
  <node2 adf="2"></node2>
  <node5><![CDATA[asdfasdf]]></node5>
  <node6 xmlns="urn://blah" d="a" />
</root>

Answer 3

一如既往，这取决于您的要求。

你知道空标签会如何显示吗？ （例如 、 等）我通常不建议使用正则表达式（它们确实很有用，但是同时他们也是邪恶的）。另外，考虑 string.Replace 方法似乎是有问题的，除非您的 XML 没有特定的结构。

最后，我建议使用 XML 解析器方法（确保您的代码是有效的 XML）。

var doc = XDocument.Parse(original);
var emptyElements = from descendant in doc.Descendants()
                    where descendant.IsEmpty || string.IsNullOrWhiteSpace(descendant.Value)
                    select descendant;
emptyElements.Remove();

Answer 4

您使用的任何内容都必须至少通过该文件一次。如果它只是您知道的单个命名标签，那么正则表达式是您的朋友，否则请使用堆栈方法。从父标签开始，如果它有子标签，则将其放入堆栈中。如果您发现一个空标签，请将其删除，然后在浏览完子标签并到达堆栈顶部的结束标签后，将其弹出并检查它。如果它是空的，也将其删除。这样您就可以删除所有空标签，包括具有空子项的标签。

如果您在使用 reg ex 表达式，请使用 this

Answer 5

XDocument 可能是最容易实现的，如果您知道您的文档相当小，它将提供足够的性能。

在处理非常大的文档时，XmlTextReader 会比 XDocument 更快并且使用更少的内存。

正则表达式最适合处理文本而不是 XML。它可能无法按照您的意愿处理所有边缘情况（例如，CDATA 部分中的标记；具有 xmlns 属性的标记），因此对于一般实现来说可能不是一个好主意，但可能就足够了，具体取决于您的控制程度有输入 XML。

Answer 6

如果我们谈论性能，则 XmlTextReader 更可取（它提供对 XML 的快速、仅向前的访问）。您可以使用 XmlReader 确定标记是否为空。 IsEmptyElement 属性。

产生所需输出的 ​​XDocument 方法：

public static bool IsEmpty(XElement n)
{
    return n.IsEmpty 
        || (string.IsNullOrEmpty(n.Value) 
            && (!n.HasElements || n.Elements().All(IsEmpty)));
}

var doc = XDocument.Parse(original);
var emptyNodes = doc.Descendants().Where(IsEmpty);
foreach (var emptyNode in emptyNodes.ToArray())
{
    emptyNode.Remove();
}