c#中XML解析文件出错解决方法
1.内容中含有xml预定好的实体,如“<”和“&”,对xml来说是禁止使用的,针对这种字符,解决方式是使用CDATA部件以"<![CDATA["标记开始,以"]]>"标记结束,是CDATA内部内容被解析器忽略。具体说明参考《XMLCDATA是什么?》。
2.内容中含有低位非打印字符,解析时会报错:""(十六进制值0x1D)是无效的字符.加载或保存XML时引发的异常.System.ArgumentException:“”(十六进制值0x1D)是无效的字符。
出错的原因是内容中含有低位非打印字符,处理方法是对其进行过滤,过滤方法为:
returnSystem.Text.RegularExpressions.Regex.Replace(str,@"[\x00-\x08]|[\x0B-\x0C]|[\x0E-\x1F]";
以上两种情况,第一种较为普遍,第二种遇到情况比较少,在面对一些用户输入数据时生成xml,可以对xml结点内容执行上述过滤,以保证xml文件使用者可以正确解析xml文档。
以下是详细解释:
“”(十六进制值0x1D)是无效的字符
加载或保存XML时引发的异常.System.ArgumentException:“”(十六进制值0x1D)是无效的字符。
产生原因是xml文件中包含低位非打印字符造成的
处理方法:在产生xml文件的时候,过滤低位非打印字符
把一个字符串中的低序位ASCII字符替换成&#x字符
转换ASCII0-8->�-
转换ASCII11-12->-
转换ASCII14-31->-
简单的处理方法
returnSystem.Text.RegularExpressions.Regex.Replace(HttpUtility.HtmlEncode(str),@"[\x00-\x08]|[\x0B-\x0C]|[\x0E-\x1F]","");
======================================================================================================================================================
复杂处理
获取xml时,出现“(十六进制值0x1F)是无效的字符之类Xml异常的解决办法2008-12-1910:44最近做新闻采集器,需要获取很多站点的xml,加载个别站点经常出现“(十六进制值0x1F)是无效的字符”问题,百思不的其解。对于问题站点xml的处理,开始的思路是既然直接用XmlDocument对象的Load()方法不行,就用LoadXML(),用HttpWebRequest获取url读到流里再转为xml,中间可以加一些非有效字符的过滤处理,但仍然无效,仅仅解决了请求超时的问题...
问题搁置了1周后,终于在今天解决了。
其实很简单,只加一条语句就搞定了
XmlDocumentdoc=newXmlDocument();
doc.Normalize();
//摘要:
// 将此XmlNode下子树完全深度中的所有XmlText节点都转换成“正常”形式,在这种形式中只有标记(即标记、注释、处理指令、CDATA
// 节和实体引用)分隔XmlText节点,也就是说,没有相邻的XmlText节点。
以下是转一位仁兄的贴:
最近碰到一个问题,我的一个把数据库中记录的信息暴露出来的WebService调用时候出问题了。报下面的错误信息:
System.InvalidOperationExceptionwasunhandled Message="XML文档(1,823)中有错误。" Source="System.Xml" Message="“”(十六进制值0x0E)是无效的字符。行1,位置823。" Source="System.Xml"
当这个错误发生时,WebService服务器端不会有任何错误,而调用这个WebService的客户端则会报上述错误。
是何原因导致的这个问题呢?
答案很简单,是WEBService暴露的XML文档中存在低序位非打印ASCII字符所致。
我们查看WebService返回的XML文档文档中,会有下面的XML文档节:其中的就是低序位ASCII字符。对应的字符如后:
<Value>在神奇天地裏誰叱咤風雨</Value>
会导致这些问题的低序位非打印ASCII字符包含以下字符:
#x0-#x8(ASCII0-8)
#xB-#xC(ASCII11-12)
#xE-#x1F(ASCII14-31)
下面就是一个简单演示这个问题的控制台程序,
为了简单起见,这里没有建立WebService,而是把一个类XML序列化存储到文件,然后再把这个文件反序列化读取出来:
其中的这个类的Value值中,放了一个低序位非打印ASCII字符。
执行这个控制台程序,就会报异常。“XML文档(3,12)中有错误。”
usingSystem; usingSystem.Xml.Serialization; usingSystem.IO; usingSystem.Text; usingSystem.Globalization; namespaceTextSerialize { [Serializable] publicclassMyClass { publicstringValue{get;set;} } classProgram { staticvoidMain(string[]args) { stringfileName="d:\\1.txt"; MyClassc=newMyClass(); c.Value=string.Format("在神奇{0}天地裏誰叱咤風雨",Convert.ToChar(14)); SaveAsXML(c,fileName,Encoding.UTF8); objecto=ConvertFileToObject(fileName,typeof(MyClass),Encoding.UTF8); MyClassd=oasMyClass; if(d!=null)Console.WriteLine(d.Value); elseConsole.WriteLine("null"); Console.ReadLine(); } ///<summary> ///序列化 ///</summary> ///<paramname="objectToConvert"></param> ///<paramname="path"></param> ///<paramname="encoding"></param> publicstaticvoidSaveAsXML(objectobjectToConvert,stringpath,Encodingencoding) { if(objectToConvert!=null) { Typet=objectToConvert.GetType(); XmlSerializerser=newXmlSerializer(t); using(StreamWriterwriter=newStreamWriter(path,false,encoding)) { ser.Serialize(writer,objectToConvert); writer.Close(); } } } ///<summary> ///反序列化 ///</summary> ///<paramname="path"></param> ///<paramname="objectType"></param> ///<paramname="encoding"></param> ///<returns></returns> publicstaticobjectConvertFileToObject(stringpath,TypeobjectType,Encodingencoding) { objectconvertedObject=null; if(!string.IsNullOrEmpty(path)) { XmlSerializerser=newXmlSerializer(objectType); using(StreamReaderreader=newStreamReader(path,encoding)) { convertedObject=ser.Deserialize(reader); reader.Close(); } } returnconvertedObject; } } }
上面提到的WebService的那个问题,跟这个演示程序是一样的。
我们需要被序列化的内容中,存在低序位非打印ASCII字符时,.net会给我们正常序列化,会自动把低序位非打印ASCII字符转换成&#x编码的字符(这个XML规范中要求这么做的)。
但是,反序列化时候,如果需要反序列化的内容如果存在&#x编码的字符(映射到低序位非打印ASCII字符),则反序列化就会出错。
如果解决这个问题呢?
当然,最彻底的解决方法是修改反序列化的代码,让这些字符不会出错。但这个东西很多时候不归我们控制。这个方案不可行。
下一个方案就是剔除这些捣乱的字符。
我这里要给出的方案,是对这些字符序列化时作一次预处理,反序列化时,作一次反向处理。
这里为了演示的更有意义,我这里处理逻辑就是把低序位非打印ASCII字符转换成&#x编码的字符,和把&#x编码的字符转换成低序位非打印ASCII字符。
这样就可以使用我这里提供的函数,实现更多的处理逻辑。这两个函数的代码如下:
///<summary> ///把一个字符串中的低序位ASCII字符替换成&#x字符 ///转换ASCII0-8->�- ///转换ASCII11-12->- ///转换ASCII14-31->- ///</summary> ///<paramname="tmp"></param> ///<returns></returns> publicstaticstringReplaceLowOrderASCIICharacters(stringtmp) { StringBuilderinfo=newStringBuilder(); foreach(charccintmp) { intss=(int)cc; if(((ss>=0)&&(ss<=8))||((ss>=11)&&(ss<=12))||((ss>=14)&&(ss<=32))) info.AppendFormat("&#x{0:X};",ss); elseinfo.Append(cc); } returninfo.ToString(); } ///<summary> ///把一个字符串中的下列字符替换成低序位ASCII字符 ///转换�-->ASCII0-8 ///转换-->ASCII11-12 ///转换-->ASCII14-31 ///</summary> ///<paramname="input"></param> ///<returns></returns> publicstaticstringGetLowOrderASCIICharacters(stringinput) { if(string.IsNullOrEmpty(input))returnstring.Empty; intpos,startIndex=0,len=input.Length; if(len<=4)returninput; StringBuilderresult=newStringBuilder(); while((pos=input.IndexOf("&#x",startIndex))>=0) { boolneedReplace=false; stringrOldV=string.Empty,rNewV=string.Empty; intle=(len-pos<6)?len-pos:6; intp=input.IndexOf(";",pos,le); if(p>=0) { rOldV=input.Substring(pos,p-pos+1); //计算对应的低位字符 shortss; if(short.TryParse(rOldV.Substring(3,p-pos-3),NumberStyles.AllowHexSpecifier,null,outss)) { if(((ss>=0)&&(ss<=8))||((ss>=11)&&(ss<=12))||((ss>=14)&&(ss<=32))) { needReplace=true; rNewV=Convert.ToChar(ss).ToString(); } } pos=p+1; } elsepos+=le; stringpart=input.Substring(startIndex,pos-startIndex); if(needReplace)result.Append(part.Replace(rOldV,rNewV)); elseresult.Append(part); startIndex=pos; } result.Append(input.Substring(startIndex)); returnresult.ToString(); }
这样,我们这个演示程序的Main函数修改为下面的代码,也不会有任何错误发生。
staticvoidMain(string[]args) { Console.WriteLine(GetLowOrderASCIICharacters("123456񐀀")); Console.WriteLine(GetLowOrderASCIICharacters("123456")); Console.WriteLine(GetLowOrderASCIICharacters("")); Console.WriteLine(GetLowOrderASCIICharacters("0123456789")); Console.WriteLine(GetLowOrderASCIICharacters("\f")); Console.WriteLine(GetLowOrderASCIICharacters("=-1")); Console.WriteLine(GetLowOrderASCIICharacters("")); Console.WriteLine(GetLowOrderASCIICharacters("")); stringfileName="d:\\1.txt"; MyClassc=newMyClass(); c.Value=string.Format("在神奇{0}天地裏誰叱咤風雨",Convert.ToChar(14)); c.Value=ReplaceLowOrderASCIICharacters(c.Value); SaveAsXML(c,fileName,Encoding.UTF8); objecto=ConvertFileToObject(fileName,typeof(MyClass),Encoding.UTF8); MyClassd=oasMyClass; if(d!=null) { d.Value=GetLowOrderASCIICharacters(d.Value); Console.WriteLine(d.Value); } elseConsole.WriteLine("null"); Console.ReadLine(); }