Question

我有一个带有xml数据的字符串，我是从Web服务中提取的。数据很难看，并且在xml的Name标签中有一些无效的字符。例如，我可能会看到类似的内容：

<Author>Scott the Coder</Author><Address#>My address</Address#>

地址名称字段中的＃无效。我正在寻找一个正则表达式，它将从名称标签中删除所有无效字符但是将所有字符保留在xml的Value部分中。换句话说，我想使用RegEx仅从开头名称标签和结束名称标签中删除字符。其他一切都应该保持不变。

我还没有所有无效的字符，但这会让我开始：＃{}＆amp;（）

我可以做我想做的事吗？

Answer 1

如果您的目的是仅检查Xml节点名称的有效性，建议您查看XmlConvert类;尤其是VerifyName和VerifyNCName方法。

另请注意，使用该类，您可以使用EncodeName和EncodeLocalName方法接受任何文本作为节点名称。

使用这些方法将比执行正则表达式更容易，更安全，更快捷。

Answer 2

我有一个简单的表单，有两个文本区域和一个按钮。这似乎可以解决问题。

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Text.RegularExpressions;

namespace WindowsFormsApplication3
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private void button1_Click(object sender, EventArgs e)
        {
            Regex r = new Regex(@"(?<=\<\w+)[#\{\}\(\)\&](?=\>)|(?<=\</\w+)[#\{\}\(\)\&](?=\>)");
            textBox2.Text = r.Replace(textBox1.Text, new MatchEvaluator(deleteMatch));
        }

        string deleteMatch(Match m) { return ""; }
    }
}

Answer 3

RegEx是一个有问题的方法，除非你真的只有一个文件要处理。痛苦，沮丧，错误是你的未来......

我真的想要使用RegEx，我在Perl中使用了有用的HERE。

您是否考虑过使用解析器？

两个要考虑：

LINQ for XML

XmlDocument

解析后，您可以重新保存麻烦的部分，或者只是以编程方式继续。

Answer 4

试试这个：

s = Regex.Replace(s, @"[#{}&()]+(?=[^<>]*>)", "");

如果前瞻成功，则匹配后的下一个尖括号为右对齐（>），表示匹配发生在标记内。

当然，这假定文本格式合理，除了标签中的角度之外，它不包含尖括号。

Answer 5

您可以使用字符串替换来替换所有无效的字符。通常，ascii控制字符会在XML读取中产生问题。

避免使用此功能

     public static string CleanInvalidXmlChars( this string text)
    {
        // From xml spec valid chars:
        // #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]    
        // any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
        string re = @"[^\x09\x0A\x0D\x20-\xD7FF\xE000-\xFFFD\x10000-x10FFFF]";
        return Regex.Replace(text, re, "");
    }


     xmlcontent = xmlcontent.CleanInvalidXmlChars();

这将清除正则表达式中指定的chracters。 i get this from this site

从XML名称标记中删除无效字符 - RegEx C＃

5 个答案: