[英]XDocument will not parse html entities (e.g. ) but XmlDocument will
我目前正在将在XmlDocument上运行的旧解析器转换为XDocument。 我这样做主要是为了获取Linq查询和添加的行号信息。
我的xml包含这样的元素:
<?xml version="1.0"?>
<fulltext>
hello this is a failed textnode

and I don't know how to parse it.
</fulltext>
我的问题是,虽然XmlDocument似乎没有问题,但可以通过以下方式读取该节点:
var xmlDocument = new XmlDocument();
var physicalPath = GetPhysicalPath(uploadFolderFile);
try
{
xmlDocument.Load(physicalPath);
}
catch (XmlException xmlException)
{
_log.Warn("Problems with the document", xmlException);
}
上面的示例很好地解析了文档,但是当我尝试这样做时:
XDocument xmlDocument;
var physicalPath = GetPhysicalPath(uploadFolderFile);
var xmlStream = new System.IO.StreamReader(physicalPath);
try
{
xmlDocument = XDocument.Load(xmlStream, LoadOptions.SetLineInfo | LoadOptions.SetBaseUri);
}
catch (XmlException)
{
_log.Warn("Trying to clean document for HexaDecimal", xmlException);
}
由于字符
无法读取文档
XML版本1.1中似乎允许使用特殊字符,但是更改描述无济于事。 我曾考虑过仅使用XmlDocument解析文档,然后对其进行转换; 但这似乎违反直觉。 有人可以帮助解决这个问题吗?
好的...所以我找到了解决该问题的方法。
首先,我尝试使用以下代码来解析xml:
private XDocument GetXmlDocument(String physicalPath)
{
XDocument xmlDocument;
var xmlStream = new System.IO.StreamReader(physicalPath);
try
{
xmlDocument = XDocument.Load(xmlStream, LoadOptions.SetLineInfo);
}
catch (XmlException)
{
//_log.Warn("Trying to clean document for HexaDecimal", xmlException);
xmlDocument = XmlSanitizingStream.TryToCleanXMLBeforeParsing(physicalPath);
}
return xmlDocument;
}
如果无法加载文档,那么我将尝试使用此博客文章中使用的技术来清理它: http ://seattlesoftware.wordpress.com/2008/09/11/hexadecimal-value-0-is-an-invalid -字符/
它不会删除我之前提到的字符,但是会删除XML标准不允许的任何字符。
然后,在清理XML之后,添加XMLReader并将其设置设置为不检查字符:
public static XDocument TryToCleanXMLBeforeParsing(String physicalPath)
{
string xml;
Encoding encoding;
using (var reader = new XmlSanitizingStream(File.OpenRead(physicalPath)))
{
xml = reader.ReadToEnd();
encoding = reader.CurrentEncoding;
}
byte[] encodedString;
if (encoding.Equals(Encoding.UTF8)) encodedString = Encoding.UTF8.GetBytes(xml);
else if (encoding.Equals(Encoding.UTF32)) encodedString = Encoding.UTF32.GetBytes(xml);
else encodedString = Encoding.Unicode.GetBytes(xml);
var ms = new MemoryStream(encodedString);
ms.Flush();
ms.Position = 0;
var settings = new XmlReaderSettings {CheckCharacters = false};
XmlReader xmlReader = XmlReader.Create(ms, settings);
var xmlDocument = XDocument.Load(xmlReader);
ms.Close();
return xmlDocument;
}
由于在将忽略字符添加到阅读器之前,我已经清理了文档,删除了非法字符,因此,我很确定自己不会阅读格式错误的XML文档。 最坏的情况是我收到格式错误的XML,无论如何它都会引发错误。
我仅将其用于解析,并且仅应用于读取数据。 这不会使XML格式正确,并且在许多情况下会在代码的其他地方引发异常。 我之所以只使用它,是因为我无法更改客户发送给我们的内容,因此必须原样阅读。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.