我正在尝试读取文件(不是XML,但结构类似),但我得到了这个例外:
'┴', hexadecimal value 0x15, is an invalid character. Line 8, position 7.
并且该文件有很多这样的符号,我无法替换,因为我不能为了我的目的修改文件的内容...
这就是代码:
try
{
XDocument doc = new XDocument(new XDeclaration("1.0", "utf-16", "yes"));
doc = XDocument.Load(arquivo);
}
catch (Exception e)
{
MessageBox.Show(e.Message.ToString());
}
这是文件的一部分:
<Codepage>UTF16</Codepage>
<Segment>0000016125
<Control>0003┴300000┴English(U.S.)PORTUGUESE┴┴bla.000┴webgui\messages\xsl\en\blabla\blabla.xlf
</Control>
<Source>To blablablah the firewall to blablablah local IP address. </Source>
<Target>Para blablablah a uma blablablah local específico. </Target>
</Segment>
注意:该文件没有encode xml声明。
答案 0 :(得分:2)
这个XML非常糟糕;
<Segment>0000016125
,虽然在技术上并非违法(它是一个文本节点),但它有点奇怪。<Control>
元素包含无字符,但没有XML CDATA
部分您可以手动规范化XML,也可以通过字符串操作或RegEx或类似方式在C#中进行规范化。
在您的简单示例中,只有<Control>
元素包含无效字符;因此,修复它并使用CDATA
方法添加string.Replace()
部分相对简单,使它看起来像这样:
<Control><![CDATA[0003┴300000┴English(U.S.)PORTUGUESE┴┴bla.000┴webgui\messages\xsl\en\blabla\blabla.xlf]]></Control>
然后,您可以使用XDocument
XDocument.Parse(string xml)
string badXml = @"
<temproot>
<Codepage>UTF16</Codepage>
<Segment>0000016125
<Control>0003┴300000┴English(U.S.)PORTUGUESE┴┴bla.000┴webgui\messages\xsl\en\blabla\blabla.xlf</Control>
<Source>To blablablah the firewall to blablablah local IP address. </Source>
<Target>Para blablablah a uma blablablah local específico. </Target>
</Segment>
</temproot>";
// assuming only <control> element has the invalid characters
string goodXml = badXml
.Replace("<Control>", "<Control><![CDATA[")
.Replace("</Control>", "]]></Control>");
XDocument xDoc = XDocument.Parse(goodXml);
xDoc.Declaration = new XDeclaration("1.0", "utf-16", "yes");
// do stuff with xDoc