使用 XmlTextReader 在 c# 中处理尴尬的 XML 布局答案

【问题标题】：Dealing with awkward XML layout in c# using XmlTextReader使用 XmlTextReader 在 c# 中处理尴尬的 XML 布局
【发布时间】：2013-05-04 00:14:48
【问题描述】：

所以我有一个 XML 文档，我试图在 C# 中使用 XmlTextReader 导入，并且我的代码运行良好，除了一个部分，即标记行与实际文本/内容不在同一行，例如与产品名称：

    <product> 
        <sku>27939</sku> 
        <product_name>
            Sof-Therm Warm-Up Jacket
        </product_name> 
        <supplier_number>ALNN1064</supplier_number> 
    </product>

我尝试对 XML 文档进行排序的代码如下：

while (reader.Read())
            {
                switch (reader.Name)
                {
                    case "sku":
                        newEle = new XMLElement();
                        newEle.SKU = reader.ReadString();
                        break;
                    case "product_name":
                        newEle.ProductName = reader.ReadString();
                        break;
                    case "supplier_number":
                        newEle.SupplierNumber = reader.ReadString();
                        products.Add(newEle);
                        break;
                }
            }

我已经尝试了几乎所有在 XmlTextReader 文档中找到的内容

reader.MoveToElement();
reader.MoveToContent();
reader.MoveToNextAttribute();

还有其他一些不太有意义的，但似乎没有一个能够始终如一地处理这个问题。显然我可以修复这个案例，但它会打破常规案例。所以我的问题是，在我找到“product_name”标签后，有没有办法让它转到包含文本的下一行并提取它？

我应该提到，之后我将它输出到 HTML 表中，并且元素出现空白，所以我相当肯定它没有正确读取它。

提前致谢！

【问题讨论】：

您确定嵌入的新行没有得到正确的结果吗？如果您在 UI 中的某处显示它，它可能会显示为空。
对不起，你的意思是即使它在 ui 中显示为空，它仍然可能是正确的值？稍后我把它填到一张桌子上，它是空白的，可能应该提到过
有可能。如果它以换行符（'\n'）开头，在某些 UI 中可能会在表格中显示为空。

标签： c# xml xmltextreader

【解决方案1】：

我想你会发现 Linq To Xml 更容易使用

var xDoc = XDocument.Parse(xmlstring); //or XDocument.Load(filename);

int sku = (int)xDoc.Root.Element("sku");
string name = (string)xDoc.Root.Element("product_name");
string supplier = (string)xDoc.Root.Element("supplier_number");

您还可以将您的 xml 转换为字典

var dict = xDoc.Root.Elements()
           .ToDictionary(e => e.Name.LocalName, e => (string)e);

Console.WriteLine(dict["sku"]);

【讨论】：

我会看看如何设置 Linq 以及学习它的难易程度，我宁愿使用 XmlTextReader 但这绝对是我会考虑的一个选项，谢谢
@noneabove 无需设置 Linq。自 3.5 以来，它已经在 .NET 框架中可用。只需添加using System.Xml.Linq

【解决方案2】：

您可能需要删除 XML 元素中文本前后的回车符、换行符、制表符和空格。在您的示例中，您有

    <!-- 1. Original example -->
    <product_name>
        Sof-Therm Warm-Up Jacket
    </product_name>

    <!-- 2. It should probably be. If possible correct the XML generator. -->
    <product_name>Sof-Therm Warm-Up Jacket</product_name>

    <!-- 3a. If white space is important, then preserve it -->
    <product_name xml:space='preserve'>
        Sof-Therm Warm-Up Jacket
    </product_name>

    <!-- 3b. If White space is important, use CDATA -->
    <product_name>!<[CDATA[
        Sof-Therm Warm-Up Jacket
    ]]></product_name>

XmlTextReader 有一个WhitespaceHandling 属性，但是当我测试它时，它仍然包括返回和缩进：

reader.WhitespaceHandling = WhitespaceHandling.None;

一个选项是在解析文档时使用一种方法来删除多余的字符。此方法去除字符串开头和结尾的正常空白：

string TrimCrLf(string value)
{
    return Regex.Replace(value, @"^[\r\n\t ]+|[\r\n\t ]+$", "");
}

    // Then in your loop...
    case "product_name":
       // Trim the contents of the 'product_name' element to remove extra returns
       newEle.ProductName = TrimCrLf(reader.ReadString());
       break;

您还可以将这种方法 TrimCrLf() 与 Linq to Xml 和传统的 XmlDocument 一起使用。您甚至可以将其作为扩展方法：

public static class StringExtensions
{
    public static string TrimCrLf(this string value)
    {
        return Regex.Replace(value, @"^[\r\n\t ]+|[\r\n\t ]+$", "");
    }
}

// Use it like:
newEle.ProductName = reader.ReadString().TrimCrLf();

正则表达式解释：

^ = 字段开头
$ = 字段结束
[]+= 匹配 1 个或多个包含的任何字符
\n = 回车 (0x0D / 13)
\r = 换行 (0x0A / 10)
\t = 制表符 (0x09 / 9)
' '= 空间 (0x20 / 32)

【讨论】：

我认为当存在真正的 xml 解析器时使用正则表达式不是一个好主意。见stackoverflow.com/questions/1732348/…
@I4V 问题是 xml 元素内的文本有额外的空白。我不建议使用正则表达式来解析 xml，只是为了修剪元素的文本。我还测试了 Linq to Xml 版本，它仍然返回了额外的空白。我自己更喜欢 Linq to Xml，但这里的问题（如果我理解正确的话）是空白。
Ryan，先用Linq2Xml，然后就可以Trim这个值了。不是在解析 xml 之前。
问题是（据我所知）XML 不处理特定于平台的换行符，因此在解析为 XML 之前处理这些以规范化 text 输入感觉。无论如何，您为什么要参考这样一个奇怪的问题/响应页面？ :)
@SteveM 问题是 XML 的创建者在元素中放置了额外的字符（CR/LF/tab/space/etc）。最好的解决方案是修复 XML 创建。假设这是不可能的，那么你修剪元素文本。您可以根据需要使用 XmlTextReader、XmlDocument 或 XDocument 解析 XML。我更喜欢 XDocument，但 XmlTextReader 是一种需要较少资源的轻量级解决方案。如果将 CR/LF 放在保存在数据库中的文本之前/之后，也会遇到同样的问题。

【解决方案3】：

在处理源自 Mac 平台的文本时，由于换行符中的 \r\n 反向，我之前遇到过类似的问题。建议您尝试 Ryan 的正则表达式解决方案，但使用以下正则表达式：

         "^[\r\n]+|[\r\n]+$"

【讨论】：