Question

我正在尝试研究如何在当前结构化但不严格的XML文件的文件上使用Linq to XML。它们是格式良好的文件，但不包含XML声明。它们实际上是SGML文件。

目前我有：

private void Find_element_attribute_Click(object sender, EventArgs e)
{
     if (comboBox2.Text != "")
     {
         string[] projectFiles = Directory.GetFiles(path, typeExtention, SearchOption.AllDirectories);

         foreach (string file in projectFiles)
         {  
             XElement root = XElement.Load(file); 
             IEnumerable<XElement> selectedElement = from el in root.Elements(Element_textBox.Text)
                  where (string)el.Attribute(Attribute_textBox.Text) == Value_textBox.Text
                  select el; //need to selct the DMC and title and put in a variable, and list them

             foreach (XElement el in selectedElement)
                 MessageBox.Show("text" + el);
         }

     }
     MessageBox.Show("Please select a project to query");
}

由于第二行上有'['字符，因此抛出一个例外。此字符是文档中实体列表的左括号。

我能想到的唯一方法就是在打开文档时在文档的开头添加XML声明，然后使用Linq查询文档，然后删除声明。但是我不知道该怎么做。任何帮助表示赞赏。

我的文档开头看起来像

<!--Arbortext, Inc., 1988-2009, v.4002-->
<!DOCTYPE DMODULE PUBLIC "-//AECMA CSDB//DTD Air Vehicle Engines Equipment Description 19980102//EN" [
<!ENTITY ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01966-A01-1 SYSTEM "ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01966-A01-1.cgm" NDATA cgm>
<!ENTITY ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01964-A01-1 SYSTEM "ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01964-A01-1.cgm" NDATA cgm>
<!ENTITY ICN-BR8412XXXXXXX-1CX-AG30000-A-K7626-01963-A01-1 SYSTEM "ICN-BR8412XXXXXXX-
]>
<dmodule><idstatus>
<dmaddres>
<dmc><avee><modelic>XXXXXXAXXXXXX</modelic><sdc>1AX</sdc><chapnum>AG3</chapnum>
<section>0</section><subsect>0</subsect><subject>00</subject><discode>01</discode>
<discodev>00</discodev><incode>018</incode><incodev>A</incodev><itemloc>A
</itemloc></avee></dmc>
<dmtitle><techname>Equipment - INTRODUCTION</techname><infoname>Introduction
</infoname>
</dmtitle>
<issno issno="001" type="new">
<issdate year="2012" month="11" day="30"></dmaddres>
<status>
<security class="3">
<rpc> </rpc>
<orig> </orig>
<applic></applic>
<techstd>
<autandtp>
<authblk>Chap 1</authblk>
<tpbase>8412(A)</tpbase>
</autandtp>
<authex></authex>
<notes></notes>
</techstd>
<qa>
<firstver type="tabtop"></qa>
</status>
</idstatus><content>
<refs>
<norefs></refs>
<descript>
<para0><title>INTRODUCTION</title>

Answer 1

在这种情况下的问题不是它需要一个xml声明，而是从 2nd 行到第6个行的内容。事实上，由于它们不是有效的xml，您的代码无法解析它们。一个棘手的方法可能是跳过这条线：

string content = String.Join("", File.ReadAllLines().Skip(6).ToArray());
MemoryStream ms = new MemoryStream(Encoding.Unicode.GetBytes(content));
XElement root = XElement.Load(ms);

然后，如果该内容后跟有效的xml，则不应该有任何其他问题，但正如我尝试的那样，它似乎无效。

在此处查看XML 1.0 Recommendations以创建有效的XML文件。

Answer 2

XML解析器没有抱怨，因为你有DOCTYPE声明，它抱怨，因为你有不正确的 DOCTYPE声明。 According to the XML specification PUBLIC必须后跟两个字符串（“PubidLiteral”和“SystemLiteral”），而不仅仅是一个。

但我认为尝试修复该文件毫无意义，因为它包含以下部分：

<qa>
<firstver type="tabtop"></qa>

在SGML（和HTML）中使用这样的非闭合标签是可以的，但在XML中不允许这样做。因此，我认为您不应该尝试使用LINQ to XML来解析此文件，因为它实际上不是XML。

但如果你可以使用实际上可以读取SGML的XmlReader实现，那么使用LINQ to XML是有意义的。在Alex Filipovici的评论中提到的SGMLReader似乎就是这样。

Linq对结构化文档的XML查询

2 个答案: