读取包含无效字符的 XML 文件答案

【问题标题】：Reading XML file with Invalid character读取包含无效字符的 XML 文件
【发布时间】：2011-02-17 03:26:09
【问题描述】：

我正在使用 Dataset.ReadXML() 来读取 XML 字符串。我收到一个错误，因为 XML 字符串包含无效字符 0x1F，即 'US' - 单位分隔符。这包含在完全形成的标签中。

使用 Perl 脚本从 Oracle DB 中提取数据。如何转义这个字符以便正确读取 XML。

编辑：XML 字符串：

<RESULT>
<DEPARTMENT>Oncology</DEPARTMENT> 
<DESCRIPTION>Oncology</DESCRIPTION> 
 <STUDY_NAME>**7360C hsd**</STUDY_NAME> 
 <STUDY_ID>27</STUDY_ID> 
</RESULT>

在粗体部分的C和h之间，是有一个美国分隔符的地方，当粘贴到这里时实际上显示一个空格。所以我想知道如何在 XML 字符串中忽略它？

【问题讨论】：

你能发一段 xml 搅拌的摘录吗？
如上粘贴了，但是出来的很奇怪？
您需要选择 XML 并按 Control-K 将其放入代码块中。我为你做了。
当它不是 XML 时，请不要将其称为“XML 字符串”。您需要更正创建无效 XML 的进程，而不是修复读取它的进程。

标签： c# xml

【解决方案1】：

如果您查看section 2.2 of the XML recommendation，您会发现 x01F 不在 XML 文档中允许的字符范围内。因此，虽然您正在查看的字符串对您来说可能看起来像一个 XML 文档，但它不是一个。

你有两个问题。相对较小的一个是如何处理这个文件。我可能会预处理字符串并丢弃任何在格式良好的 XML 中不合法的字符，但是我对这个相对较大的问题一无所知。

相对较大的问题是：这些数据首先在那里做什么？（可能）人类可读数据字段中间的不可见 ASCII 字符有什么用途（如果有）？为什么产生这个字符串的 Perl 脚本在遇到非法字符时不会失败？

我和你打赌一美元，这是因为编写该脚本的人使用字符串操作而不是 XML 库来发出 XML 文档。这就是为什么，正如我一再说过的，您应该永远不要使用字符串操作来生成 XML。（当然也有例外。例如，如果您正在编写一次性应用程序或 XML 解析器。或者如果您的名字是 Tim Bray。）

【讨论】：

数据是（显然）最初存储在 MS Access 文件中的旧数据，已移至 SQl，现在需要可供查看。我正在使用 XML 库：search.cpan.org/~bholzman/XML-Generator-1.03/Generator.pm，虽然我刚刚切换到该库，因为之前的版本使用的是字符串操作。
如果您使用 XML 库，坏数据的问题仍然存在，但至少您已经消除了编写格式不正确的 XML 的“XML 字符串”的问题。您仍然必须弄清楚如何处理不良数据并修复它。但至少现在你正在将它修复在近似正确的位置。

【解决方案2】：

您的 XmlReader/TextReader 必须使用正确的编码创建。您可以按如下方式创建它并传递给您的 Dataaset：

StreamReader reader = new StreamReader("myfile.xml",Encoding.ASCII); // or correct encoding
myDataset.ReadXml(reader);

【讨论】：

我得到'路径中的非法字符'？
那必须来自 StreamReader 和你传递的路径。仔细检查您的路径。
下午试一试。谢谢。
-1 - 编码不会让您免于数据中的随机垃圾。