如何从XML数据中删除非ASCII字符

Question

我有以下格式的XML数据。 我的应用程序应该使用XMLReader读取它并对其进行一些处理。 但是，要做到这一点，我需要删除或替换每行的第一部分，特别是< 。

<���<XML>....data....</XML>
<���<XML>....data....</XML
<���<XML>....data....</XML>    
and so on...

在查看SO中的一些帖子后，我尝试了以下操作，但到目前为止没有成功。 任何帮助将不胜感激！

private static Regex _invalidXMLChars = new Regex(
@"(?<![\uD800-\uDBFF])[\uDC00-\uDFFF]|[\uD800-\uDBFF](?![\uDC00-\uDFFF])|[\x00-\x08\x0B\x0C\x0E-\x1F\x7F-\x9F\uFEFF\uFFFE\uFFFF]",
RegexOptions.Compiled);

        static string ReplaceHexadecimalSymbols(string txt)
        {
            return _invalidXMLChars.Replace(txt, string.Empty);
        }

注意：我获取了.txt格式的XML数据，并尝试在每一行上调用该函数，但是它不起作用..调用函数后，字符仍然存在。

Answer 1

我将首先调查为什么这些字符存在。 看起来好像是原始XML与文件之间的编码问题。

无论如何，当您读一行时，只需将所有字符放在<XML>之前。