Question

是的，我真的要问一下用正则表达式解析XML ...这里有。

我有一些XML-ish数据，我需要解析它。我不能完全使用XMLDocument或类似的，因为它不是正确的XML，我不确定我是否可以（或想要）更改格式。主要问题是具有特殊含义的标签，如下所示：

<$ something_here $>

C＃的XmlDocument无法解析，我还假设其他方法也是如此。我可以通过大量工作将上述内容更改为

<some_special_tag><![CDATA[ something_here ]]></some_special_tag>

但那很难看，我真的不想。改变时间的原因是我有数百甚至数千个需要更改的XML文档。

目前，我正在用正则表达式解析文档。我只需要挑选几个特定的标签（不是上面的标签），它似乎工作，但我对它感到不舒服。我现在正在做这样的事情：

...

MatchCollection mc = Regex.Matches(Template, "<tagname.*?/tagname>"); // or similar
foreach (Match m in mc) {

    try {

        XmlDocument xd = new XmlDocument();
        xd.LoadXml(m.Value);

...

这至少意味着我没有专门使用正则表达式：）

有人能想到更好的方法吗？有没有办法让XmlDocument礼貌地忽略导致它崩溃的$字符？这似乎不太可能，但我认为我至少应该得到一些意见。

Answer 1

不，没有办法让XmlDocument解析不是xml的文档，无论它看起来多么接近xml！

如果可以，那么我绝对建议您将文档转换为实际的xml（或至少一些可识别的文档格式）。尝试为任何格式创建和维护一个可靠的工作解析器是相当多的工作，更不用说一种似乎没有明确定义的格式。

使用some_special_tag元素来识别特殊部分对我来说似乎是一个好主意。如果需要，您可以使用不同的命名空间来确保不与文档中的其他元素发生冲突 - 这实际上与xslt的工作方式完全相同（“特殊”标记用于表示特殊事物，例如应替换的模板或节点）以及xml旨在支持的内容。

另外，我不明白为什么你需要在something_here部分放置CDATA位。 “破解”xml的所有字符都可以相当容易地转义（例如，将<写为<）。 CDATA部分通常仅在节点内容需要进行大量转义时使用，以便更轻松，更简单地使用CDATA部分。

更新：关于迁移到新格式，您不能同时使用这两种方法吗？尝试将文档解析为XML文档（或者如果存在性能问题，则执行一些其他测试以快速确定文档是否为“旧”或“新”格式，例如检查根元素中的版本属性） - 如果它不起作用，那么回到旧方法。

这种方式只要一切正常（只要没有任何变化）用户就不需要修改他们的文档，但是如果他们遇到问题或想要使用任何新功能，那么向他们解释他们必须将文档更新为新格式。

根据您当前“解析器”的工作情况，您甚至可以提供自动执行转换的升级实用程序（尽可能最好）。

Answer 2

您无法在运行时将<$ something_here $>替换为该CDATA部分，然后照常加载XML文档吗？

解析XML-ish数据

2 个答案: