Question

我正在使用c＃.Net

我有一个问题，

我正在使用XDocument.xDoc.Load(file)加载Xml文件，但它失败了，因为在我的内容中我还有xml标记：

示例：<root><abc><deg></abc></root>

我的问题是Load函数将<deg>视为Xml标记而没有匹配的“</deg>”...

我的问题是，如何更换“＆lt;”和“＆gt;”最简单的方式是匹配“<”“>”的“deg”？

N.B。我的文件很大，我有很多标签...

谢谢！

Answer 1

除非您想要进行大量难以解析，否则您尝试做的事情很难用标准.NET库完成。如果你的非结束标签有任何押韵或理由，它会有很大帮助。例如，是否有已知的标签列表未关闭？如果是这样，搜索和替换就不会坏。

但是，如果它真的是开放式的，如果任何标记都可能未公开，那么您需要使用类似HTML Tidy的内容。这个.Net包装器可以是found here。有了这个解决方案，<deg>标记将转换为<deg/>。 HTML Tidy包装器还可以解决导致xml 格式错误的一些其他问题。

一旦您的文件包含格式良好的xml，您就可以轻松地将其加载到xml对象中。然后，如果您还有其他工作要做，那么您至少可以将其视为为xml。

Answer 2

标准的正则表达式免责声明在这里... - 有时候它们可以派上用场HTML cleanup scenarios。

尝试这种方法：

string input = "<root><abc><deg><foo></abc><bar></root>";
string pattern = @"(<(?<tag>\w+)>)(?!.*?</\k<tag>>)";
string result = Regex.Replace(input, pattern,
                         match => HttpUtility.HtmlEncode(match.Value));
XDocument document = XDocument.Parse(result);
Console.WriteLine(document.ToString());

当然要注意文件大小，如果性能对整个过程很重要，其他建议可能会更合适。

编辑： Html Agility Pack是清除任何格式错误内容的备用选项。如果您知道可以进入的内容并将其替换为有效的结束标记。

Answer 3

如果您可以在将其加载到XmlDocument之前获取该部分，那么您可以使用HttpUtility.HtmlEncode方法为您实体转义内容。

您可能需要考虑的另一件事是将看起来像XML的内容包装为CDATA，这将有效地将此内容隐藏在解析器中。

Answer 4

如果此文件非常大，那么您应该使用XmlReader而不是XmlDocument，并且没有“未关闭标记”问题。

http://msdn.microsoft.com/en-us/library/system.xml.xmlreader%28VS.80%29.aspx

实施例： How to do streaming read of a large XML file in C# 3.5

用html值替换xml标记

4 个答案: