将 xml 字符串解析为 xml 文档失败，如果字符串以<?xml… ?>部分

Question

我有一个像这样开头的 XML 文件：

<?xml version="1.0" encoding="utf-8"?>
<Report xmlns:rd="http://schemas.microsoft.com/SQLServer/reporting/reportdesigner" xmlns="http://schemas.microsoft.com/sqlserver/reporting/2008/01/reportdefinition">
  <DataSources>

当我运行以下代码时：

byte[] fileContent = //gets bytes
            string stringContent = Encoding.UTF8.GetString(fileContent);
            XDocument xml = XDocument.Parse(stringContent);

我得到以下 XmlException：

根级别的数据无效。 第 1 行，位置 1。

删除版本和编码节点可以解决问题。 为什么？ 如何正确处理这个xml？

Answer 1

我的第一个想法是从 .NET 字符串类型解析 XML 时编码是 Unicode。 看起来，尽管 XDocument 的解析对此相当宽容。

该问题实际上与 UTF8 前导码/字节顺序标记 (BOM) 相关，它是一个三字节的签名，可选择出现在 UTF-8 流的开头。 这三个字节是有关流中使用的编码的提示。

您可以通过对System.Text.Encoding类的实例调用GetPreamble方法来确定编码的前导码。 例如：

// returns { 0xEF, 0xBB, 0xBF }
byte[] preamble = Encoding.UTF8.GetPreamble();

XmlTextReader应该正确处理序言，因此只需从XmlTextReader加载您的XDocument ：

XDocument xml;
using (var xmlStream = new MemoryStream(fileContent))
using (var xmlReader = new XmlTextReader(xmlStream))
{
    xml = XDocument.Load(xmlReader);
}

Answer 2

如果您只有字节，则可以将字节加载到流中：

XmlDocument oXML;

using (MemoryStream oStream = new MemoryStream(oBytes))
{
  oXML = new XmlDocument();
  oXML.Load(oStream);
}

或者您可以在加载 XML 之前将字节转换为字符串（假设您知道编码）：

string sXml;
XmlDocument oXml;

sXml = Encoding.UTF8.GetString(oBytes);
oXml = new XmlDocument();
oXml.LoadXml(sXml);

我已将我的示例显示为与 .NET 2.0 兼容，如果您使用 .NET 3.5，则可以使用XDocument而不是XmlDocument 。

将字节加载到流中：

XDocument oXML;

using (MemoryStream oStream = new MemoryStream(oBytes))
using (XmlTextReader oReader = new XmlTextReader(oStream))
{
  oXML = XDocument.Load(oReader);
}

将字节转换为字符串：

string sXml;
XDocument oXml;

sXml = Encoding.UTF8.GetString(oBytes);
oXml = XDocument.Parse(sXml);

Answer 3

您的 XML 开头是否有字节顺序标记(BOM)，它是否与您的编码匹配？ 如果你砍掉你的标题，你也会砍掉 BOM，如果这是不正确的，那么后续的解析可能会起作用。

您可能需要在字节级别检查您的文档以查看 BOM。

Answer 4

为什么要费心将文件作为字节序列读取，然后在它是 xml 文件时将其转换为字符串？ 只需让框架为您加载并处理编码：

var xml = XDocument.Load("test.xml");

Answer 5

尝试这个：

int startIndex = xmlString.IndexOf('<');
if (startIndex > 0)
{
    xmlString = xmlString.Remove(0, startIndex);
}

Answer 6

我也遇到过这个错误，因为源 XML 是一个字符串，它以某种方式获得了一些似乎破坏XmlDocument或XDocument解析的不可打印字符。 剥离它们解决了这个问题：

string sanitized = Regex.Replace(part, @"\p{C}+", string.Empty);

信用： C# regex 删除不可打印的字符和控制字符，在混合了许多不同语言的文本中，unicode 字母