Question

我需要找出一种很好的方法，使用C＃解析(NULL)的XML文件并将其从标记中删除，并将其替换为单词BAD。

例如：

<GC5_(NULL) DIRTY="False"></GC5_(NULL)>

应替换为

<GC5_BAD DIRTY="False"></GC5_BAD>

部分问题是我无法控制原始XML，我只需要在收到它后再修复它。第二个问题是(NULL)可以出现在零个，一个或多个标签中。用户填写其他字段似乎是一个问题。所以我可能会得到

<GC5_(NULL) DIRTY="False"></GC5_(NULL)>

或

<MH_OTHSECTION_TXT_(NULL) DIRTY="False"></MH_OTHSECTION_TXT_(NULL)>

或

<LCDATA_(NULL) DIRTY="False"></LCDATA_(NULL)>

我是C＃和编程的新手。

编辑：所以我提出了以下功能，虽然不是很漂亮，但到目前为止还没有。

public static string CleanInvalidXmlChars(string fileText)
    {
        List<char> charsToSubstitute = new List<char>();
        charsToSubstitute.Add((char)0x19);
        charsToSubstitute.Add((char)0x1C);
        charsToSubstitute.Add((char)0x1D);
        foreach (char c in charsToSubstitute)
            fileText = fileText.Replace(Convert.ToString(c), string.Empty);

        StringBuilder b = new StringBuilder(fileText);
        b.Replace("&#x0;", string.Empty);
        b.Replace("&#x1C;", string.Empty);
        b.Replace("<(null)", "<BAD");
        b.Replace("(null)>", "BAD>");

        Regex nullMatch = new Regex("<(.+?)_\\(NULL\\)(.+?)>");
        String result = nullMatch.Replace(b.ToString(), "<$1_BAD$2>");

        result = result.Replace("(NULL)", "BAD");

        return result;
    }

我只能找到6或7个错误的XML文件来测试这些代码，但它已经对每个文件都有效，并没有删除好的数据。我很感激您的反馈和时间。

Answer 1

通常，正则表达式不是处理XML文件的正确方法。有一系列正确处理XML文件的解决方案 - 您可以阅读System.Xml.Linq以获得良好的开端。如果你是新手，那肯定是你应该在某些方面学到的东西。正如Ed Plunkett在评论中指出的那样，您的XML实际上不是XML：XML元素名称中不允许使用(和)个字符。

由于您必须将其作为对字符串的操作，Corak的评论使用

contentOfXml.Replace("(NULL)", "BAD");

可能是一个好主意，但如果任何元素可以包含字符串(NULL)作为其名称以外的任何内容，则会中断。

如果你想要一个正则表达式的方法，这可能会很正常，但我不确定它是否没有遗漏任何边缘情况：

var regex = new Regex(@"(<\/?[^_]*_)\(NULL\)([^>]*>)");
var result = regex.Replace(contentOfXml, "$1BAD$2");

Answer 2

您是否适合将此XML作为字符串读取并执行正则表达式替换？像：

Regex nullMatch = new Regex("<(.+?)_\\(NULL\\)(.+?)>");
String processedXmlString = nullMatch.Replace(originalXmlString, "<$1_BAD$2>");

c＃从XML标记中删除（null）

2 个答案: