Чтение XML с помощью & в объект XMLDocument C #

Проблема в том, что xml имеет неправильный формат. Правильно сгенерированный xml будет перечислять эти данные следующим образом:

Prepaid & Charge

Раньше мне приходилось исправлять ту же проблему, и я сделал это с помощью этого регулярного выражения:

Regex badAmpersand = new Regex("&(?![a-zA-Z]{2,6};|#[0-9]{2,4};)");

Объедините это со строковой константой, определенной следующим образом:

const string goodAmpersand = "&";

Теперь вы можете просто сказать badAmpersand.Replace(<your input>, goodAmpersand);

Обратите внимание, что простого String.Replace("&", "&") недостаточно, поскольку вы не можете заранее знать для данного документа, будут ли какие-либо символы & закодированы правильно, неправильно или даже оба в одном документе.

Уловка здесь в том, что вы должны сделать это со своим xml-документом перед загрузкой его в свой синтаксический анализатор, что, вероятно, означает дополнительный проход через него. Кроме того, он не учитывает амперсанды внутри раздела CDATA. Наконец, он только улавливает амперсанды, а не другие запрещенные символы, такие как ‹. Обновление: на основе комментария мне также нужно обновить выражение для сущностей с шестнадцатеричным кодом (& # x ...;).

Что касается персонажей, которые могут вызвать проблемы, настоящие правила немного сложны. Например, в данных разрешены определенные символы, но не как первая буква имени элемента. И нет простого списка запрещенных символов. Вместо этого большая (несмежная) часть UNICODE определяется как допустимая, и все, кроме этого, незаконно.

Итак, когда дело доходит до этого, вы должны доверять своему источнику документа, чтобы он имел хотя бы определенную степень соответствия и согласованности. Например, я обнаружил, что люди часто достаточно умны, чтобы убедиться, что теги работают правильно и ускользают ‹, даже если они не знают, что & запрещено, отсюда и ваша проблема сегодня. Однако лучше всего исправить это у источника.

О, и примечание о предложении CDATA: я бы использовал это, чтобы убедиться, что xml, который я создаю, правильно сформирован, но при работе с существующим xml извне я нахожу метод регулярного выражения Полегче.

Не веб-приложение виновато, а XML-документ. Амперсанды в XML должны быть закодированы как &. Невыполнение этого требования является синтаксической ошибкой.

Изменить: ответив на вопрос, да, есть все виды похожих ошибок. Например, несбалансированные теги, незакодированные знаки «меньше», значения атрибутов без кавычек, октеты за пределами кодировки символов и различные странности Unicode, ссылки на нераспознанные сущности и т. Д. Чтобы любой приличный синтаксический анализатор XML использовал документ, этот документ должен быть правильно сформирован. Спецификация XML требует, чтобы анализатор, обнаруживший искаженный документ, вызывал фатальную ошибку.

Все остальные ответы верны, и я согласен с их советом, но позвольте мне добавить одну вещь:

ПОЖАЛУЙСТА, не создавайте приложения, которые работают с некорректным XML, это только усложняет нам жизнь :).

Конечно, бывают случаи, когда у вас действительно просто нет выбора, если у вас нет контроля над другим концом, но вы действительно должны заставить его выдавать фатальную ошибку и очень громко и явно жаловаться на то, что не работает, когда происходит такое событие. .

Вы, вероятно, могли бы сделать еще один шаг и сказать: «Ack! Этот XML не работает в этих местах и ​​по этим причинам, вот как я пытался исправить это, чтобы сделать его правильно сформированным: ...».

Я не слишком хорошо знаком с API-интерфейсами MSXML, но большинство хороших анализаторов XML позволяют устанавливать обработчики ошибок, чтобы вы могли уловить точный номер строки / столбца, в котором появляются ошибки, а также получить код ошибки и сообщение.

Ваша база данных не содержит XML-документов. Он содержит несколько правильно сформированных XML-документов и несколько строк, которые для человека выглядят как XML.

Если это вообще возможно, вы должны исправить это - в частности, вы должны исправить любой процесс, генерирующий искаженные XML-документы. Чтобы исправить программу, считывающую данные из этой базы данных, достаточно просто наклеить обои на трещину в стене.

Вы можете заменить & на &

Или вы также можете использовать разделы CDATA.

Есть несколько символов, из-за которых данные XML будут считаться неправильно сформированными.

Из w3schools:

Такие символы, как «‹ »и« & »недопустимы в элементах XML.

Лучшее решение для ввода, которому нельзя доверять как совместимый с XML, - это заключить его в теги CDATA, например

<![CDATA[This is my wonderful & great user text]]>

Все в тегах <![CDATA[ и ]]> анализатор игнорирует.