我继承了一个编写不佳的 Web 应用程序，当它尝试读取存储在数据库中的 xml 文档时，它似乎有错误，其中包含“&”。例如，会有一个标签，其内容为：“预付和收费”。是否有一些秘密的简单方法可以让它在解析该字符时不会出错，或者我是否遗漏了一些明显的东西？
编辑：是否有任何其他字符会导致这种相同类型的解析器错误，因为格式不正确？
Ryan Skarin
问问题
31386 次
6 回答
41
问题是xml格式不正确。正确生成的 xml 会像这样列出这些数据：
Prepaid & Charge
我以前必须解决同样的问题，我用这个正则表达式做到了：
Regex badAmpersand = new Regex("&(?![a-zA-Z]{2,6};|#[0-9]{2,4};)");
将它与这样定义的字符串常量结合起来：
const string goodAmpersand = "&";
现在你可以说badAmpersand.Replace(<your input>, goodAmpersand);
请注意，简单String.Replace("&", "&")是不够的，因为您无法提前知道给定文档的任何 & 字符是否会被正确、错误地编码，甚至两者都在同一个文档中。
这里需要注意的是，您必须在将 xml 文档加载到解析器之前对其执行此操作，这可能意味着需要额外通过它。此外，它不考虑 CDATA 部分内的 & 符号。最后，它只捕获 & 符号，而不捕获其他非法字符，如 <。 更新：根据评论，我还需要更新十六进制编码 (&#x...;) 实体的表达式。
关于哪些字符会引起问题，实际规则有点复杂。例如，数据中允许使用某些字符，但不能作为元素名称的第一个字母。并且没有简单的非法字符列表。相反，一大片（不连续的） UNICODE 被定义为合法的，除此之外的任何东西都是非法的。
因此，归根结底，您必须相信您的文档来源至少具有一定程度的合规性和一致性。例如，我发现人们通常足够聪明，可以确保标签正常工作并转义 <，即使他们不知道 & 是不允许的，因此你今天遇到了问题。但是，最好的办法是从源头上解决这个问题。
哦，还有关于 CDATA 建议的说明：我会用它来确保我正在创建的 xml 格式正确，但是在从外部处理现有 xml 时，我发现 regex 方法更容易。
于 2008-09-23T14:54:17.667 回答
4
Web 应用程序没有问题，XML 文档有问题。XML 中的 & 符号应编码为&. 不这样做是语法错误。
编辑：在回答后续问题时，是的，有各种类似的错误。例如，不平衡的标签、未编码的小于号、未引用的属性值、字符编码之外的八位字节和各种 Unicode 异常、无法识别的实体引用等等。为了让任何体面的 XML 解析器使用文档，该文档必须是格式良好的。XML 规范要求解析器遇到格式错误的文档时会引发致命错误。
于 2008-09-23T14:54:49.863 回答
4
其他答案都是正确的，我同意他们的建议，但让我补充一点：
请不要让应用程序使用非格式良好的 XML，它只会让我们的余生更加困难 :)。
诚然，有时候如果你无法控制另一端，你真的别无选择，但你真的应该让它抛出一个致命错误，并大声而明确地抱怨发生此类事件时发生了什么问题.
您可能会更进一步说“Ack！这个 XML 在这些地方被破坏了，由于这些原因，我尝试修复它以使其格式正确：...”。
我对 MSXML API 并不太熟悉，但大多数优秀的 XML 解析器都允许您安装错误处理程序，以便您可以捕获出现错误的确切行/列号以及获取错误代码和消息。
于 2008-09-23T15:18:58.823 回答
3
您的数据库不包含 XML 文档。它包含一些格式良好的 XML 文档和一些在人类看来类似于 XML 的字符串。
如果可能的话，您应该解决这个问题 - 特别是，您应该修复生成格式错误的 XML 文档的任何进程。修复从该数据库中读取数据的程序只是将墙纸放在墙上的裂缝上。
于 2008-09-23T20:52:56.260 回答
2
您可以将 & 替换为&
或者您也可以使用CDATA部分。
于 2008-09-23T14:53:24.517 回答
2
有几个字符会导致 XML 数据被报告为格式错误。
来自w3schools：
“<”和“&”之类的字符在 XML 元素中是非法的。
对于您不能相信符合 XML 的输入的最佳解决方案是将其包装在 CDATA 标记中，例如
<![CDATA[This is my wonderful & great user text]]>
解析器会忽略<![CDATA[and标记中的所有内容。]]>
于 2008-09-23T14:57:36.707 回答