從XML名稱標記中刪除無效字符 - RegEx C＃

Question

我有一個帶有xml數據的字符串，我從Web服務中提取。 數據很難看，並且在xml的Name標簽中有一些無效的字符。 例如，我可能會看到類似的東西：

<Author>Scott the Coder</Author><Address#>My address</Address#>

地址名稱字段中的＃無效。 我正在尋找一個正則表達式，它將從名稱標簽中刪除所有無效字符但是將所有字符保留在xml的Value部分中。 換句話說，我想使用RegEx僅從開頭名稱標簽和結束名稱標簽中刪除字符。 其他一切都應該保持相同。

我還沒有所有無效的字符，但這會讓我開始：＃{}＆（）

有可能做我想做的事嗎？

Answer 1

如果你的目的只是檢查Xml節點名稱的有效性，我建議你看一下XmlConvert類; 特別是VerifyName和VerifyNCName方法。

另請注意，使用該類，您可以使用EncodeName和EncodeLocalName方法接受任何文本作為節點名稱。

使用這些方法將比執行正則表達式更容易，更安全，更快捷。

Answer 2

您可以使用字符串替換來替換所有無效的字符。 通常，ascii控件字符會在XML讀取中產生問題。

避免使用此功能

     public static string CleanInvalidXmlChars( this string text)
    {
        // From xml spec valid chars:
        // #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]    
        // any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
        string re = @"[^\x09\x0A\x0D\x20-\xD7FF\xE000-\xFFFD\x10000-x10FFFF]";
        return Regex.Replace(text, re, "");
    }


     xmlcontent = xmlcontent.CleanInvalidXmlChars();

這將清除正則表達式中指定的chracters。 我從這個網站得到這個

Answer 3

我有一個簡單的表單，有兩個文本區域和一個按鈕。 這似乎可以解決問題。

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Text.RegularExpressions;

namespace WindowsFormsApplication3
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private void button1_Click(object sender, EventArgs e)
        {
            Regex r = new Regex(@"(?<=\<\w+)[#\{\}\(\)\&](?=\>)|(?<=\</\w+)[#\{\}\(\)\&](?=\>)");
            textBox2.Text = r.Replace(textBox1.Text, new MatchEvaluator(deleteMatch));
        }

        string deleteMatch(Match m) { return ""; }
    }
}

Answer 4

除非你真的只有一個要處理的文件，否則RegEx是一個有問題的方法。 痛苦，挫折，錯誤是你的未來......

我真要使用正則表達式，也有有用的這里 ，我在Perl已經使用。

您是否考慮過使用解析器？

兩個要考慮：

LINQ for XML

的XmlDocument

一旦解析，您可以重新保存麻煩的部分或只是以您的程序方式繼續。

Answer 5

嘗試這個：

s = Regex.Replace(s, @"[#{}&()]+(?=[^<>]*>)", "");

如果前瞻成功，則匹配后的下一個尖括號是右指向（ > ），表示匹配發生在標記內。

當然，這假設文本格式合理，並且除了標簽中的角度之外不包含尖括號。