xml 文档中的非法字符答案

【问题标题】：illegal character in xml documentxml 文档中的非法字符
【发布时间】：2010-10-28 19:50:32
【问题描述】：

我有一个程序从数据库中的数据生成 Xml 文件。简而言之，它执行以下操作：

string dsn = "a db connection string";
XmlDocument d = new XmlDocument();
using (SqlConnection con = new SqlConnection(dsn)) {
    con.Open();
    string sql = "select id as Id, comment as Comment from Test where ... ";
    using (SqlCommand cmd = new SqlCommand(sql, con)) {
        DataSet ds = new DataSet("EXPORT");
        SqlDataAdapter da = new SqlDataAdapter(cmd);
        da.Fill(ds, "Test");
        d.LoadXml(ds.GetXml());
    }
}
d.Save(@"c:\test.xml");

当我查看 xml 文件时，它包含无效字符 & # x 1 A ;

<EXPORT>
  <Test>
    <Id>2</Id>
    <Comment> Keyboard NB&#x1A;5 linked</Comment>
  </Test>
</EXPORT>

firefox 浏览器无法打开这个 xml 文件说无效字符...

该实体在 ISO 8859-1 和 CP1252 中保留，不应由浏览器呈现。但是为什么 XmlDocument 输出的 xml 不能被解析为有效 - 或者它是一个有效的 xml 文档，它不能被浏览器解析或被 Excel 导入等等...... 有没有一种简单的方法可以摆脱保留的“无效字符”或以浏览器没有问题的方式对其进行编码？

非常感谢您的意见和提示

【问题讨论】：

对于 System.Data 对象的各种 XML 方法，我遇到了完全相同的问题。我不确定这些方法还能做什么。他们的替代方法是去掉字符或抛出异常。

标签： .net xml

【解决方案1】：

并非所有字符都可以在 XML 中表示。

在 XML 1.0 中，除 TAB (0x09)、LF (0x0A) 和 CR (0x0D) 之外，不能使用值小于 0x20 的任何字符。

在 XML 1.1 中，几乎可以使用除 NUL (0x00) 之外的任何内容。

如果您可以选择使用 XML 1.1，并且接收程序支持 XML 1.1（不是很多），那么您可以将 0x1A 转义为 &#26; 或 &#x1A;。

将其包装在CDATA 中也不是解决方案； CDATA 只是为了方便转义字符组，与标准 & 机制不同。

否则，您需要在序列化之前将其删除。

【讨论】：

很抱歉回答这个老问题很晚 - 我在序列化之前删除了字符...... Thx

【解决方案2】：

我在从 SQL 数据创建/操作 XML 时遇到过几次。

但是为什么 XmlDocument 输出的 xml 不能被解析为有效 - 或者它是一个有效的 xml 文档，只是不能被浏览器解析或不能被 Excel 导入等等

XmlDocument 不对您发送的数据执行任何验证，而是将其留给您（开发人员）。这个 XML 文档在几乎所有使用 XML 的东西中都应该是无效的（但我可能错了......你总是可以测试它：P）

几乎每次我遇到这个问题时，我都会用正确的字符（如果有的话）替换有问题的 XML 数据，或者干脆去掉它。

您也可以尝试将您的 xml 放在 CData 块中，但这会使文件有点膨胀（不确定您的文件总体有多大）

【讨论】：

【解决方案3】：

看看这个xml parse error on illegal character

结论（据我所知）：使用 XML 1.0 是不可能存储这个值的。

【讨论】：

【解决方案4】：

看看这个答案是否有帮助：

.NET DataSet.GetXml() - what's the default encoding?

【讨论】：

感谢您的提示，但我使用 ds.GetXml() 获得的字符串在内部是 unicode (utf-16) 我认为在不更改编码的情况下写入文本文件时，一切都应该没问题？

【解决方案5】：

我认为您正在处理 Control-Z（文本文件结尾）字符。这可能吗？

【讨论】：

Hm google 对 iso8859-1 及其超集 cp1252 说“保留未使用”也许它是文件结束标记，...但是 DB 中的内容对我来说是黑匣子，所以我不可能过滤干净的输入到数据库表中...

【解决方案6】：

确保转义 XML 实体，例如。 & => &amp; 否则，将数据包装在 CDATA http://en.wikipedia.org/wiki/CDATA

【讨论】：

即使作为一个实体，&#x1A;，依然无效。
两个问题。 1. XML 和 HTML 实体是不同的东西。默认情况下，XML 仅支持 5 个实体，其余的可以由 DTD 定义。是一个 HTML 实体，而不是一个 XML 实体。所以不适用于 XML，您需要将其写为。问题 2. 如上面的回答所建议的，不可打印的字符不能插入到 XML 中。所以你需要逃避类似 在被 XML 解析之前。