OpenXML转义非法字符

Question

我正在使用OpenXML Power Tools在Word Docx文件中进行一些字符串替换，并且它正在按预期工作。但是当我在替换中包含无效字符时会出现问题，例如＆符号，例如＆＃34; Harry＆amp;萨利＆＃34;将破坏并产生无效的文件。根据{{​​3}}非法字符需要转换为xHHHH。

我无法找到帖子中提到的OOXML子句的内容，因此适当地转义字符。

我希望有人能够获得一些代码或见解，确切地说需要转义哪些字符。我也很有希望OpenXML Power Tools能以某种方式为我做这件事，但我似乎也找不到任何东西。

Answer 1

规范只是讨论必须在XML中转义的标准字符集。链接帖子中提到的XML规范是来自W3C的found here。

除非它们是CDATA部分的一部分，否则有五个字符需要在XML数据（名称，值等）中出现的任何位置进行转义。根据第2.4节：

  

＆符号（＆amp;）和左尖括号（＆lt;）不得以其文字形式出现，除非用作标记分隔符，或用于注释，处理指令或CDATA部分。如果在其他地方需要它们，则必须分别使用数字字符引用或字符串" & "和" < "进行转义。可以使用字符串" > "来表示右尖括号（＆gt;），并且为了兼容性，当它出现在字符串" > "中时，必须使用" ]]> "或字符引用进行转义。在内容中，当该字符串未标记CDATA部分的结尾时。

     

要允许属性值包含单引号和双引号，撇号或单引号字符（＆＃39;）可以表示为" ' "，双引号字符（＆＃34;）为" " "。

换句话说，转义以下字符：

' -> '
" -> "
> -> >
< -> &lt;
& -> &amp;

通常，您不会将这些编码为xHHHH，您可以使用上面列出的XML实体，但要么允许这两种实体。在每种情况下，你也不需要 来编码引号或直角括号，只有当它们代表XML语法时，它们通常更安全。时间。

XML规范还包括可以出现在XML文档中的每个Unicode字符的列表，在第2.2节中：

  

Char :: =＃x9 | #xA | #xD | [＃x20-＃xD7FF] | [＃xE000-＃xFFFD] | [＃x10000-＃x10FFFF]

除了控制字符外，该列表基本上包括基本平面中的每个Unicode字符（您可能遇到的每个字符）。只允许使用制表符，CR和LF字符 - 需要转义ASCII 32（空格）以下的任何其他字符。

列表中的大差距（0xD800-0xDFF）是代理编码值，无论如何它们都不应该出现，因为它们不是有效字符。最后两个，0xFFFE和0xFFFF也是无效字符。