清理xml文件-給定編碼中的無效字符

Question

我正在使用他們的“ SOAP” API針對Magento電子商務進行集成，並且該API返回“ XML”結果。 問題是，這並不總是格式正確的：

<product>
   <entity_id>18</entity_id>
   <price regular="2925  <span>Nok</span>"/>
   ...

在此特定情況下，價格常規屬性在屬性文本中既具有不可見字符0xa0（在span標簽之前）又具有<>。

我似乎無法從Magento那里獲取格式正確的XML，因此另一種方法是在將其提供給XmlSerializer反序列化之前將其清理：

XmlSerializer serializer = new XmlSerializer(typeof(Responses.Product.product));
product = serializer.Deserialize(textReader) as Responses.Product.product;

我可以使用簡單的文本替換來消除不可見的字符，但是我不確定屬性文本中的<>。

我的問題是，如何將其清理為有效的XML？

Answer 1

字符0x3c是<字符。 對於不可見的字符，您寧願尋找類似0x09 TAB字符的字符。

要修復損壞的標記，您可以使用正則表達式允許標記內的任何貨幣，從而在內容中查找該特定HTML標記：

xml = Regex.Replace(xml, "<span>([A-Za-z]{3})</span>", "&lt;span&gt;$1&lt;/span&gt;");

只要XML代碼本身中沒有包含三個字符的span元素，此方法就起作用。 您可以對其他HTML標簽進行類似的替換，但是請盡量保持模式明確，以避免誤報。