xml 和 &问题

Question

我是 XML 新手，现在正在尝试读取 xml 文件。 我用谷歌搜索并尝试这种方式来读取 xml 但出现此错误。

引用未声明的实体“Ccaron”。 2902 行，位置 9。

当我转到第 2902 行时，我得到了这个，

<H0742>&Ccaron;opova 14, POB 1725,
SI-1000 Ljubljana</H0742>

这是我尝试的方式

XmlDocument xDoc = new XmlDocument();
xDoc.Load(file);
            XmlNodeList nodes = xDoc.SelectNodes("nodeName");
            foreach (XmlNode n in nodes)
            {
if (n.SelectSingleNode("H0742") != null)
                {
                    row.IrNbr = n.SelectSingleNode("H0742").InnerText;
                }
                .
                .
                .
            }

当我查看 w3school 时，&在 xml 中是非法的。

编辑 ： 这就是编码。我想知道它与 xml 有什么关系。

编码='iso-8859-1'

提前致谢。

编辑：

他们给了我一个.ENT文件，我可以在线参考ftp.MyPartnerCompany.com/name.ent。 在此 .ENT 文件中 我看到这样的实体

<!ENTITY Cacute "&#262;"> <!-- latin capital letter C with acute,
                                  U+0106 Latin Extended-A -->

如何在我的 xml 解析中引用它？ 我更喜欢在线参考，因为他们可能随时添加新内容。 提前致谢 ！！！

Answer 1

首先要注意的是问题不在于您的软件。

由于您是 XML 新手，我猜想您以前从未遇到过定义实体。字符实体是任意文本片段（一个或多个字符）的快捷方式。您最常看到它们的地方就是您现在所处的情况。在某些时候，您的 XML 是由想要键入字符“Č”或“č”（如果您的字体无法显示的话，则为带有 Caron 的大写和小写 C）的某人创建的。

然而，在 XML 中，我们只有一些预先声明的实体（与号、小于、大于、双引号和撇号）。任何其他字符实体都需要声明。为了正确解析您的文件，您需要执行以下两件事之一 - 将字符实体替换为不会导致解析器问题的内容或声明该实体。

要声明实体，您可以使用称为“内部子集”的东西 - 您可能会在 XML 文件顶部看到 DTD 语句的一种特殊形式。像这样的事情：

<!DOCTYPE root-element 
   [ <!ENTITY Ccaron "Č">
     <!ENTITY ccaron "č">]
>

将该语句放在 XML 文件的开头（更改“根元素”以匹配您的）将允许解析器解析该实体。

或者，只需将 Č 更改为 Č，您的问题也将得到解决。

&# 表示法是一个数字实体，为字符提供适当的 unicode 值（“x”表示它是十六进制）。

您也可以随时键入字符，但这需要了解键盘和区域的详细信息。

Answer 2

Č 不是 XML，它甚至没有在 HTML 4 实体引用中定义。顺便说一句，这不是 XML。 XML 并不支持所有这些实体，事实上，它只支持很少的实体，但如果您查找该实体并找到它，您将能够使用它的 Unicode 等效项，您可以使用它。例如，Š 是无效的 XML，但 Š 不是。 （Scaron 是我能找到的最接近 Ccaron 的）。

Answer 3

您的 XML 文件格式不正确，因此不能用作 XmlDocument。时期。

您有两个选择：

• 将该文件作为常规文本文件打开并修复该症状。
• 修复您的 XML 生成器，这才是您真正的问题。该生成器不是使用 System.Xml 生成该文件，而是可能连接多个字符串，因为“XML 只是一个文本文件”。您应该修复它，否则打​​开生成的 XML 文件总是会令人惊讶。

编辑：由于您无法修复 XML 生成器，我建议使用 File.ReadAllText 打开它并执行正则表达式来重新编码 & 或剥离整个实体（因为我们无法翻译它）

Console.WriteLine(
    Regex.Replace("<H0742>Čopova 14, { POB & SI-1000 &</H0742>",
    @"&((?!#)\S*?;)?", match =>
    {
        switch (match.Value)
        {
            case "<":
            case ">":
            case "&":
            case """:
            case "'":
                return match.Value; // correctly encoded

            case "&":
                return "&";

            default: // here you can choose:
                // to remove entire entity:
                return "";
                // or just encode that & character
                return "&" + match.Value.Substring(1);
        }
    }));

Answer 4

Č 是实体引用。实体引用很可能是针对字符Č，以便生成：Čopova。

但是，必须声明该实体，否则 XML 解析器将不知道应该用什么替换该实体解析 XML 时的实体引用。

Answer 5

解决方案 ：-

 byte[] encodedString = Encoding.UTF8.GetBytes(xml);
    // Put the byte array into a stream and rewind it to the beginning 
        MemoryStream ms = new MemoryStream(encodedString);
         ms.Flush();    
     ms.Position = 0;     
     // Build the XmlDocument from the MemorySteam of UTF-8 encoded bytes 
    XmlDocument xmlDoc = new XmlDocument(); 
     xmlDoc.Load(ms);