Question

这是最近开始困扰我的RSS Feed解析器的错误。今天早上我的四个RSS源开始抛出这个异常：

For security reasons DTD is prohibited in this XML document. To enable DTD processing set the DtdProcessing property on XmlReaderSettings to Parse and pass the settings into XmlReader.Create method.

以前的代码工作正常，但我相信导致此问题的这四个特定rss源已发生变化。使用DTD时使用DTD的东西，或者某种类型的架构更改，而我的SyndicationFeed无法解析。

所以我将代码更改为

string url = RssFeed.AbsoluteUri;
XmlReaderSettings st = new XmlReaderSettings();

st.DtdProcessing = DtdProcessing.Parse;
st.ValidationType = ValidationType.DTD;

XmlReader reader = XmlReader.Create(url,st);

SyndicationFeed feed = SyndicationFeed.Load(reader);

reader.Close();

然后我开始收到此错误：

The 'html' element is not declared. in System.Xml.XmlValidatingReaderImpl.ValidationEventHandling.System.Xml.IValidationEventHandling.SendEvent(Exception exception, XmlSeverityType severity) at System.Xml.Schema.BaseValidator.SendValidationEvent(String code, String arg) at System.Xml.Schema.DtdValidator.ProcessElement() at System.Xml.Schema.DtdValidator.ValidateElement() at System.Xml.Schema.DtdValidator.Validate() at System.Xml.XmlValidatingReaderImpl.ProcessCoreReaderEvent() at System.Xml.XmlValidatingReaderImpl.Read() at System.Xml.XmlReader.MoveToContent() at System.Xml.XmlReader.IsStartElement(String localname, String ns) at System.ServiceModel.Syndication.Atom10FeedFormatter.CanRead(XmlReader reader) at System.ServiceModel.Syndication.SyndicationFeed.Load[TSyndicationFeed](XmlReader reader) at System.ServiceModel.Syndication.SyndicationFeed.Load(XmlReader reader)

我不知道这个'html'元素来自哪里，因为Feed（http://jobs.huskyenergy.com/RSS）中的feed和任何可见的dtd定义都没有提到它。我还尝试将Dtdprocessing设置为DtdProcessing.ignore，但会导致以下错误：

The element with name 'html' and namespace '' is not an allowed feed format.

这更令人困惑，因为命名空间是空白的，我不确定这个神放弃html元素的来源。

我非常接近编写自己的xml阅读器并抓取SyndicationFeed，但是我想确保在走这条道路之前用尽所有可能的解决方案。

其中一个RSS提供，如果这有助于任何： http://jobs.huskyenergy.com/RSS

Answer 1

这是一个解决方案，它为给定的RSS URL提供新的和填充的SyndicationFeed对象：

var feedUrl = @"http://jobs.huskyenergy.com/RSS";
try
{
    var webClient = new WebClient();
    // hide ;-)
    webClient.Headers.Add ("user-agent", "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; .NET CLR 1.0.3705;)");
    // fetch feed as string
    var content = webClient.OpenRead(feedUrl);
    var contentReader = new StreamReader(content);
    var rssFeedAsString = contentReader.ReadToEnd();
    // convert feed to XML using LINQ to XML and finally create new XmlReader object
    var feed = SyndicationFeed.Load(XDocument.Parse(rssFeedAsString).CreateReader());
    // take the info from the firdst feed entry
    var firstFeedItem = feed.Items.FirstOrDefault();
    Console.WriteLine(firstFeedItem.Title.Text);
    Console.WriteLine(firstFeedItem.Links.FirstOrDefault().Uri.AbsoluteUri);
}
catch (Exception exception)
{
    Console.WriteLine(exception.Message);
}

该网站显然只处理来自“浏览器”的调用，因此伪装代码。呼叫为一体。结果是：

Summer Student UEO Regulatory & Environment Strategy - (Calgary, AB)
http://jobs.huskyenergy.com/ca/alberta/student/jobid4444904-summer-student-ueo-regulatory--environment-strategy-jobs

WebClient class还支持对事件和任务的异步操作，因此使读者无阻塞是没有问题的。

html 问题的解释如下：网站改变了某些内容和/或它们不知何故不允许自动提要（不再）。 html 消息来自服务中断消息。我试图访问该服务（使用LINQPad使用LINQ to XML，不要怀疑转储功能）：

var feedUrl = @"http://jobs.huskyenergy.com/RSS";
var feedContent = XDocument.Load(feedUrl);
feedContent.Dump();
//var feed = SyndicationFeed.Load(feedContent.CreateReader());
//feed.Dump();

得到了这个答案：

<!DOCTYPE html []>
<!--[if IE 7]><html lang="en" prefix="og: http://ogp.me/ns#" class="non-js lt-ie9 lt-ie8"><![endif]-->
<!--[if IE 8]><html lang="en" prefix="og: http://ogp.me/ns#" class="non-js lt-ie9"><![endif]-->
<!--[if gt IE 8]><!-->
<html lang="en" prefix="og: http://ogp.me/ns#" class="non-js">
  <!--<![endif]-->
  <head>
    <meta charset="utf-8" />
    <meta name="viewport" content="width=device-width" />
    <title>
    Service Interruption
</title>
    <link rel="stylesheet" href="http://seostatic.tmp.com/SiteOutage/style.css" />
  </head>
  <body>
    <p id="outageMessage">This system is currently experiencing a service interruption. <br />We apologize for any inconvenience.</p>
  </body>
</html>

所以html元素显露出来。 :-)在浏览器中打开网站看起来很好，这意味着XmlReader resp。 LINQ to XML工作正常。

解析RSS提要最近抛出了文档类型定义（DTD）错误

1 个答案: