如何解析并找到xml中存在无效字符的节点？答案

【问题标题】：How to parse and find the node in which the invalid characters are present in xml?如何解析并找到xml中存在无效字符的节点？
【发布时间】：2011-05-02 09:33:19
【问题描述】：

我的 xml 节点中有一些无效字符，例如 11 (U+000) 或垂直制表符。当我尝试将此 xml 插入 Oracle 时，出现如下异常：

ORA-31011: XML parsing failed
ORA-19202: Error occurred in XML processing
LPX-00217: invalid character 11 (U+000

因此我需要解析 xml 并检测哪个节点包含此无效字符并将其包装在 cdata 部分中。

【问题讨论】：

如果里面有无效字符，那就是not XML，不能这样对待。你需要先把它清理干净。
我们在使用 cms 时，编辑不小心复制了一些已被 cms 转换为 xml 的非法字符。所以只有在那之后，我们需要解析这个xml并将数据包装在cdata中。
CDATA 不允许您包含 the spec 不允许的字符。

标签： xml ora-31011

【解决方案1】：

如果您可以在文件中操作 XML，则 vi 之类的编辑器在查找和删除嵌入的控制字符方面非常有用。我刚刚处理了一个从 mySQL 导出的 200MB XML 文件，其中包含四个嵌入的 Ctrl-K (U+000B) 字符。使用 vi 编辑文件并使用 :%s/^K//g 让我可以快速删除它们并继续前进。（注意：如果您不习惯使用 vi，则上面命令中的 ^K 是通过按 Ctrl-V 然后按 Ctrl-K 生成的。不要只输入 carat (^) 然后 K - 这不起作用。 ) 如果您使用的是 Windows（就像我一样），Cygwin 是一组非常方便的实用程序，其中包括 vi。

【讨论】：

【解决方案2】：

在将 XML 数据插入 Oracle 之前，您是否能够使用任何编程语言？您可以使用 XmlConvert.IsXmlChar Method 来检查所有字符是否都是 XML 有效的

C# 示例：

public static bool CheckValidXmlChars(string content)
{
   return content.All(ch => System.Xml.XmlConvert.IsXmlChar(ch));
}

.Net Fiddle - https://dotnetfiddle.net/v1TNus

【讨论】：