解析XML-ish數據

是的，我真的會問關於用正則表達式解析XML ......這裏。解析XML-ish數據

我有一些XML-ISH數據，我需要解析它。我不能用XMLDocument或類似的東西完全做到這一點，因爲它不是正確的XML，我不確定我能否（或想要）更改格式。主要的問題是具有特殊的意義，而像這樣的標籤：

<$ something_here $>

C＃的XmlDocument的倒下對其進行解析時，我認爲其他方法也會這樣做的。我可以，用了很多的工作，上述更改爲類似

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

但是，這是醜陋的，我真的不希望。改變這個過程非常耗時的原因是我有成百上千的XML文檔需要更改。

目前，我用正則表達式解析文檔。我只需要挑選一些特定的標籤（不是上面的標籤），它似乎在工作，但我對此感到不舒服。我在做這樣的事情在此刻：

... 

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

    try { 

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

...

這至少意味着我不使用正則表達式專門:)

任何人都可以想出一個更好的辦法？有沒有辦法讓XmlDocument禮貌地忽略導致它翻倒的$字符？這似乎不太可能，但我認爲我應該至少得到一些意見。

來源

2011-07-19 Neil

不，沒有辦法讓XmlDocument解析不是xml的文檔，不管它看起來有多接近xml！

如果有可能，那麼我會絕對建議您將您的文件轉換爲實際的XML（或至少一些公認的文件格式）。試圖爲任何格式創建和維護一個可靠的工作分析器是相當多的工作，更不用說一種看起來沒有嚴格定義的格式。

使用some_special_tag元素來識別特殊部分似乎是一個好主意。如果需要，您可以使用不同的名稱空間以確保與文檔中的其他元素沒有衝突 - 這實際上就是xslt的工作方式（「特殊」標籤用於表示特殊的內容，例如應該替換的模板或節點）以及xml的設計支持。

另外我不明白你爲什麼需要將something_here位放在CDATA部分。所有「破解」xml的字符都可以很容易地轉義出來（例如通過編寫<作爲<）。 CDATA部分通常僅在節點內容需要非常多地轉義時才使用，以至於使用CDATA部分代替時更容易且不太麻煩。

更新：關於遷移到新格式，你不能使用這兩種方法嗎？嘗試將文檔解析爲XML文檔（或者如果存在性能問題，則執行一些其他測試以快速確定文檔是否處於「舊」或「新」格式，例如檢查根元素中的版本屬性） - 如果它不起作用，則回到舊方法。

這種方式只要一切工作正常（只要沒有任何變化），用戶不需要修改他們的文檔，但是如果他們遇到問題或想要使用任何新功能，那麼解釋他們必須將他們的文檔更新爲新格式。

根據當前「分析器」的工作原理，您甚至可以提供自動執行轉換的升級實用程序（儘可能地）。

來源

2011-07-19 09:57:38 Justin

我同意，爲特殊目的添加一個特殊的標籤顯然是解析方面的最佳選擇，並且在將來能夠繼續解析xml文檔。我只是非常希望我不會讓我的用戶改變他們的文檔，並且記得以新的方式編寫未來的文檔......關於CDATA，確實可能會有很多轉義，因爲「特殊「位可能會很長，甚至可能是文檔的大部分。 – Neil

@Neil你不能通過提供現有的方法作爲回退來遷移嗎？查看我的更新瞭解更多詳情。 – Justin

我沒有想到這一點。這聽起來像它會工作得很好。 – Neil

您不能在運行時將<$ something_here $>替換爲那個大的CDATA部分，然後照常加載XML文檔？

來源

2011-07-19 09:53:09

解析XML-ish數據

回答

相關問題