从 xml 文档中解码 base64 编码的数据答案

【问题标题】：Decoding base64-encoded data from xml document从 xml 文档中解码 base64 编码的数据
【发布时间】：2010-12-18 18:42:22
【问题描述】：

我收到了一些带有嵌入 base64 编码图像的 xml 文件，我需要对其进行解码并保存为文件。

可以在下面下载此类文件的未修改（压缩除外）示例：

20091123-125320.zip (60KB)

但是，我收到诸如“Base-64 字符数组的长度无效”和“Base-64 字符串中的字符无效”之类的错误。我在代码中标记了代码中出现错误的行。

文件可能如下所示：

<?xml version="1.0" encoding="windows-1252"?>
<mediafiles>
    <media media-type="image">
      <media-reference mime-type="image/jpeg"/>
      <media-object encoding="base64"><![CDATA[/9j/4AAQ[...snip...]P4Vm9zOR//Z=]]></media-object>
      <media.caption>What up</media.caption>
    </media>
</mediafiles>

以及这样处理的代码：

var xd = new XmlDocument();
xd.Load(filename);
var nodes = xd.GetElementsByTagName("media");

foreach (XmlNode node in nodes)
        {
            var mediaObjectNode = node.SelectSingleNode("media-object");
            //The line below is where the errors occur
            byte[] imageBytes = Convert.FromBase64String(mediaObjectNode.InnerText);
            //Do stuff with the bytearray to save the image
        }

xml-data 来自企业报纸系统，所以我很确定文件没问题——而且我处理它们的方式一定有问题，那是错误的。可能是编码有问题？

我已经尝试写出 mediaObjectNode.InnerText 的内容，它是 base64 编码的数据 - 所以导航 xml-doc 不是问题。

我一直在谷歌搜索、搜索、stackoverflow 和哭泣 - 并没有找到解决方案...帮助！

编辑：

添加了一个实际的示例文件（和一个赏金）。请注意，可下载文件的架构略有不同，因为我在上面的示例中对其进行了简化，删除了不相关的内容...

【问题讨论】：

标签： c# xml base64 decode

【解决方案1】：

字符编码是否正确？该错误听起来像是存在导致无效字符出现在数组中的问题。尝试复制文本并手动解码以查看数据是否确实有效。

（作为记录，windows-1252 与 iso-8859-1 并不完全相同，因此这可能是问题的原因，除非其他损坏源。）

【讨论】：

好吧-也许那里有错误，但这就是我获取文件的方式（使用此编码）。如何检查它是否正确？

【解决方案2】：

嗯，这一切都很简单。 CDATA 本身就是一个节点，所以mediaObjectNode.InnerText 实际上会产生<![CDATA[/9j/4AAQ[...snip...]P4Vm9zOR//Z=]]>，这显然不是有效的Base64 编码数据。

要使事情正常进行，请使用 mediaObjectNode.ChildNodes[0].Value 并将该值传递给 Convert.FromBase64String'。

【讨论】：

我尝试将 mediaObjectNode.InnerText 的内容保存到 text.file（在将其输出到控制台之后），并且不包含 cdata-stuff。无论如何我尝试了你的建议，但没有任何区别。

【解决方案3】：

尝试使用 Linq to XML：

using System.Xml.XPath;

class Program
{
    static void Main(string[] args)
    {
        var elements = XElement
            .Load("test.xml")
            .XPathSelectElements("//media/media-object[@encoding='base64']");
        foreach (var element in elements)
        {
            byte[] image = Convert.FromBase64String(element.Value);
        }
    }
}

更新：

下载XML文件并分析media-object节点的值后，很明显它不是一个有效的base64字符串：

string value = "PUT HERE THE BASE64 STRING FROM THE XML WITHOUT THE NEW LINES";
byte[] image = Convert.FromBase64String(value);

抛出 System.FormatException 表示长度不是有效的 base 64 字符串。当我从字符串中删除 \n 时，它不起作用的事件：

var elements = XElement
    .Load("20091123-125320.xml")
    .XPathSelectElements("//media/media-object[@encoding='base64']");
foreach (var element in elements)
{
    string value = element.Value.Replace("\n", "");
    byte[] image = Convert.FromBase64String(value);
}

也抛出System.FormatException。

【讨论】：

【解决方案4】：

第一次拍摄我没有使用任何编程语言，只是记事本++

我打开了其中的 xml 文件，并将原始 base64 内容复制并粘贴到一个新文件中（不带方括号）。

之后我选择了所有内容 (Strg-A) 并使用了选项扩展 - Mime 工具 - Base64 解码。这引发了关于错误文本长度的错误（必须是 mod 4）。所以我只是在末尾添加了两个等号（'='）作为占位符以获得正确的长度。

再次重试，它成功解码为“某物”。只需将文件另存为 .jpg 即可在任何图片查看器中打开它。

所以我会说，您将获得的数据有问题。他们只是在末尾没有正确数量的等号来填充可以分成 4 包的多个符号。

“简单”的方法是添加等号，直到解码不会引发错误。更好的方法是计算字符数（减去 CR/LF！）并一步添加所需的字符。

进一步调查

在对the convert function 进行了一些编码和阅读之后，问题是生产者错误地附加了等号。 Notepad++ 对大量等号没有任何问题，但 MS 的转换功能仅适用于零、一个或两个符号。所以如果你用额外的等号填充已经存在的等号，你也会得到一个错误！为了让这该死的东西发挥作用，你必须切断所有现有的标志，计算需要多少并重新添加它们。

只是为了赏金，这是我的代码（不是绝对完美，但足以作为一个好的起点）：;-)

    static void Main(string[] args)
    {
        var elements = XElement
            .Load("test.xml")
            .XPathSelectElements("//media/media-object[@encoding='base64']");
        foreach (XElement element in elements)
        {
            var image = AnotherDecode64(element.Value);
        }
    }

    static byte[] AnotherDecode64(string base64Decoded)
    {
        string temp = base64Decoded.TrimEnd('=');
        int asciiChars = temp.Length - temp.Count(c => Char.IsWhiteSpace(c));
        switch (asciiChars % 4)
        {
            case 1:
                //This would always produce an exception!!
                //Regardless what (or what not) you attach to your string!
                //Better would be some kind of throw new Exception()
                return new byte[0];
            case 0:
                asciiChars = 0;
                break;
            case 2:
                asciiChars = 2;
                break;
            case 3:
                asciiChars = 1;
                break;
        }
        temp += new String('=', asciiChars);

        return Convert.FromBase64String(temp);
    }

【讨论】：

@Oliver，我知道这是一个旧答案，但我一直在努力解决这个问题。原来是因为那里有三个“=”符号。谁知道？谢谢！

【解决方案5】：

正如 Oliver 所说，base64 字符串无效，删除空格字符后字符串长度必须是 4 的倍数。如果您查看 base64 字符串的结尾（见下文），您会看到该行比其他行短。

RRRRRRRRRRRRRRRRRRRRRRRRRRRRX//Z=

如果您删除此行，您的程序将正常运行，但生成的图像将在右下角缺少部分。您需要填充此行，以便整个字符串长度正确。根据我的计算，如果你有 3 个字符，它应该可以工作。

RRRRRRRRRRRRRRRRRRRRRRRRRRRRRRRX//Z=

【讨论】：

【解决方案6】：

图像不正确时删除最后 2 个字符

public Image Base64ToImage(string base64String)
    {
        // Convert Base64 String to byte[]
        byte[] imageBytes=null;
        bool iscatch=true;
        while(iscatch)
        {
            try 
                {           
         imageBytes = Convert.FromBase64String(base64String);
         iscatch = false;

            }
            catch 
            {
                int length=base64String.Length;
                base64String=base64String.Substring(0,length-2);
            }
        }
        MemoryStream ms = new MemoryStream(imageBytes, 0,
          imageBytes.Length);

        // Convert byte[] to Image
        ms.Write(imageBytes, 0, imageBytes.Length);
        Image image = Image.FromStream(ms, true);
        pictureBox1.Image = image;
        return image;
    }

【讨论】：

【解决方案7】：

我在从 XML 文档（特别是 Office OpenXML 包文档）中解码 Base64 编码字符串时也遇到了问题。

事实证明，字符串应用了额外的编码：HTML 编码，所以先进行 HTML 解码，然后进行 Base64 解码就可以了：

private static byte[] DecodeHtmlBase64String(string value)
{
    return System.Convert.FromBase64String(System.Net.WebUtility.HtmlDecode(value));
}

以防万一其他人遇到同样的问题。

【讨论】：