在C#中基于XSD进行Xml清理

时间:2018-05-03 18:50:59

标签: c# xml xsd xsd-validation

如何清除XML文件,删除提供的XSD中不存在的所有元素?

这不起作用:

public static void Main()
{
    XmlTextReader xsdReader = new XmlTextReader(@"books.xsd");
    XmlSchema schema = XmlSchema.Read(xsdReader, null);

    XmlReaderSettings settings = new XmlReaderSettings();
    settings.Schemas.Add(schema);
    settings.ValidationType = ValidationType.Schema;
    settings.ValidationEventHandler += new ValidationEventHandler(ValidationCallBack);

    XmlReader xmlReader = XmlReader.Create(@"books.xml", settings);
    XmlWriter xmlWriter = XmlWriter.Create(@"books_clean.xml");
    xmlWriter.WriteNode(xmlReader, true);
    xmlWriter.Close();
    xmlReader.Close();
}
private static void ValidationCallBack(object sender, ValidationEventArgs args)
{
    ((XmlReader)sender).Skip();
}

当我使用上述内容时,而不是删除所有"垃圾"标签,它只删除第一个垃圾标签,并留下第二个垃圾标签。至于为什么我需要接受这个文件,我使用的是一个旧的SQLServer 2012实例,要求 XML完全匹配XSD,即使应用程序没有使用XML中的额外元素。我无法控制第三方工具使用未发布的XSD提供的源XML。

示例文件:
Books.xsd

<xs:schema attributeFormDefault="unqualified" elementFormDefault="qualified" xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xs:element name="bookstore">
    <xs:complexType>
      <xs:sequence>
        <xs:element name="book" maxOccurs="unbounded" minOccurs="0">
          <xs:complexType>
            <xs:sequence>
              <xs:element type="xs:string" name="title"/>
              <xs:element type="xs:float" name="price"/>
            </xs:sequence>
            <xs:attribute type="xs:string" name="genre" use="optional"/>
            <xs:attribute type="xs:string" name="ISBN" use="optional"/>
          </xs:complexType>
        </xs:element>
      </xs:sequence>
    </xs:complexType>
  </xs:element>
</xs:schema>

的Books.xml

<bookstore>
  <book genre='novel' ISBN='10-861003-324'>
    <title>The Handmaid's Tale</title>
    <price>19.95</price>
    <junk>skdjgklsdg</junk>
    <junk2>skdjgklsdg</junk2>
  </book>
  <book genre='novel' ISBN='1-861001-57-5'>
    <title>Pride And Prejudice</title>
    <price>24.95</price>
    <junk>skdjgssklsdg</junk>
  </book>
</bookstore>

代码主要来自:Validating an XML against referenced XSD in C#

2 个答案:

答案 0 :(得分:1)

如果只是删除名称不会出现在架构中任何位置的所有元素的问题,那么它可能是可行的,如下所述。但是,在一般情况下(a),这并不能确保实例对模式有效(例如,元素可能是错误的顺序),并且(b)它可能会删除模式实际上的元素允许(因为通配符)。

如果删除未知元素的方法看起来很有用,您可以按如下方式进行:

(a)编写一个XSLT样式表,通过查找xs:element[@name]声明从模式中提取所有元素名称,生成格式为的文档:

<allowedElements>
  <allow name="book" namespace=""/>
  <allow name="isbn" namespace=""/>
</allowedElement>

(b)编写第二个(可流式)XSLT样式表:

<xsl:transform version="3.0" xmlns:xsl="....">
  <xsl:mode on-no-match="shallow-copy" streamable="yes"/>
  <xsl:key name="k" match="allow" use="@name, @namespace" composite="yes"/>
  <xsl:template match="*[not(key('k', (local-name(), namespace-uri()), doc('allowed-elements.xml'))]"/>
</xsl:transform> 

答案 1 :(得分:0)

以下成功删除了所提供示例中的所有垃圾标记。首先应用第二个xsl:template标记,并匹配除特定白名单标记之外的所有内容。然后第一个xsl:template标签将节点的副本写入XmlWriter。

<强>代码:

public static void Main()
{
    XmlReader xmlReader = XmlReader.Create("books.xml");
    XslCompiledTransform myXslTrans = new XslCompiledTransform();
    myXslTrans.Load("books.xslt");
    XmlTextWriter myWriter = new XmlTextWriter("books_clean.xml", null);
    myXslTrans.Transform(xmlReader, null, myWriter);
    xmlReader.Close();
    myWriter.Close();
}

<强> books.xslt

<xsl:stylesheet version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:mode streamable="yes"/>
  <xsl:template match="@* | node()">
    <xsl:copy>
      <xsl:apply-templates select="@* | node()"/>
    </xsl:copy>
  </xsl:template>
  <xsl:template match="*[
  not(name()='bookstore') and
  not(name()='book') and
  not(name()='title') and
  not(name()='price')
  ]" />
</xsl:stylesheet>