在处理无效的XML之前编码特殊字符

Question

我有一些需要处理的来自供应商的无效XML。 这是一个例子：

<a>foo</a>
<b>bar</b>
<c>foobar is < $15</c>

因此，我们有一些问题。 首先，没有根文档。 我通过添加根文档克服了这一问题。 没问题。 第二个也是更困难的问题是小于符号。 我可以对整个内容进行编码，但是它将对XML标签进行编码。 是否有某个地方的库或简单方法可以处理此问题？ 我真的不想彻底改变这个想法，因为我敢肯定，数百人已经在处理“准XML”这样的问题。 感谢任何帮助。

Answer 1

我会逐行读取文件，并使用正则表达式来获取节点之间的值。 您的示例没有嵌套元素，因此非常简单。 逐行读取时，您可以替换编码内部值。 命名捕获组（？。*？）将把节点之间的所有内容都放入名为xml的组中。

var regex = "<.*?>(?<xml>.*?)</.*?>"
var badXML = Regex.Match(line, regex , RegexOptions.IgnoreCase).Groups["xml"].Value;