Question

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。

Answer 1

这个XML非常糟糕;

你有<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。
您的<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

XDocument的特殊字符

1 个答案: