Linq to XML查詢結構化文檔

Question

我正在嘗試找出如何在當前結構化但不是嚴格XML文件的文件上使用Linq to XML。 它們是格式正確的文件，但不包含XML聲明。 它們實際上是SGML文件。

目前，我有：

private void Find_element_attribute_Click(object sender, EventArgs e)
{
     if (comboBox2.Text != "")
     {
         string[] projectFiles = Directory.GetFiles(path, typeExtention, SearchOption.AllDirectories);

         foreach (string file in projectFiles)
         {  
             XElement root = XElement.Load(file); 
             IEnumerable<XElement> selectedElement = from el in root.Elements(Element_textBox.Text)
                  where (string)el.Attribute(Attribute_textBox.Text) == Value_textBox.Text
                  select el; //need to selct the DMC and title and put in a variable, and list them

             foreach (XElement el in selectedElement)
                 MessageBox.Show("text" + el);
         }

     }
     MessageBox.Show("Please select a project to query");
}

由於第二行中有'['字符，因此拋出異常。 此字符是文檔中實體列表的開頭括號。

我能想到的唯一方法是在打開文檔時在文檔的開頭添加XML聲明，然后使用Linq查詢文檔，然后刪除聲明。 但是我不知道如何去做。 任何幫助表示贊賞。

我的文檔開始看起來像

<!--Arbortext, Inc., 1988-2009, v.4002-->
<!DOCTYPE DMODULE PUBLIC "-//AECMA CSDB//DTD Air Vehicle Engines Equipment Description 19980102//EN" [
<!ENTITY ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01966-A01-1 SYSTEM "ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01966-A01-1.cgm" NDATA cgm>
<!ENTITY ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01964-A01-1 SYSTEM "ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01964-A01-1.cgm" NDATA cgm>
<!ENTITY ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01963-A01-1 SYSTEM "ICN-BR8412XXXXXXX-
]>
<dmodule><idstatus>
<dmaddres>
<dmc><avee><modelic>XXXXXXAXXXXXX</modelic><sdc>1AX</sdc><chapnum>AG3</chapnum>
<section>0</section><subsect>0</subsect><subject>00</subject><discode>01</discode>
<discodev>00</discodev><incode>018</incode><incodev>A</incodev><itemloc>A
</itemloc></avee></dmc>
<dmtitle><techname>Equipment - INTRODUCTION</techname><infoname>Introduction
</infoname>
</dmtitle>
<issno issno="001" type="new">
<issdate year="2012" month="11" day="30"></dmaddres>
<status>
<security class="3">
<rpc> </rpc>
<orig> </orig>
<applic></applic>
<techstd>
<autandtp>
<authblk>Chap 1</authblk>
<tpbase>8412(A)</tpbase>
</autandtp>
<authex></authex>
<notes></notes>
</techstd>
<qa>
<firstver type="tabtop"></qa>
</status>
</idstatus><content>
<refs>
<norefs></refs>
<descript>
<para0><title>INTRODUCTION</title>

Answer 1

在這種情況下，問題不在於它需要一個xml聲明，而是第二行到第六行的內容。 實際上，由於它們不是有效的xml，因此您的代碼無法解析它們。 一個棘手的方法可能是跳過這些行：

string content = String.Join("", File.ReadAllLines().Skip(6).ToArray());
MemoryStream ms = new MemoryStream(Encoding.Unicode.GetBytes(content));
XElement root = XElement.Load(ms);

然后，如果該內容后跟有效的xml，那么您應該不會有任何其他問題，但是按照我的嘗試，它似乎是無效的。

在此處查找有關創建有效XML文件的XML 1.0建議 。

Answer 2

XML解析器不會因為您有DOCTYPE聲明而抱怨，而是因為您有不正確的 DOCTYPE聲明而抱怨。 根據XML規范， PUBLIC必須緊跟兩個字符串（“ PubidLiteral”和“ SystemLiteral”），而不僅僅是一個。

但我認為嘗試修復該文件沒有意義，因為它包含以下部分：

<qa>
<firstver type="tabtop"></qa>

在SGML（和HTML）中可以使用未關閉的標簽，但是在XML中則不允許。 因此，我認為您不應該嘗試使用LINQ to XML來解析此文件，因為它實際上不是XML。

但是，如果可以使用實際上可以讀取SGML的XmlReader實現，則可以使用LINQ to XML。 Alex Filipovici在評論中提到的SGMLReader似乎正是這樣。