在VB.net中修復和處理格式不正確的XML

Question

我發送了一些XML錯誤的數據，並想知道在vb.net中是否有任何方式通過XML數據來處理字符串，並安全地清理垃圾數據不斷收到文件，其中包括',<,>,&內的屬性值，並想知道我是如何最好地通過和整理形成嚴重的XML ..

目前我只是有一個函數，我不斷添加字符串替換，但壞數據可以是隨機的，可能有一段時間我才意識到存在問題。

我想知道是否有一種方法可以在reg-ex中解決這個問題，或者是否有.NET中的函數將安全地將壞XML轉換爲安全的XML？

我知道最簡單的解決方案是改變源，但這是不可能的，因爲它來自封閉源遺留系統。

感謝馬特

Answer 1

當應用程序錯誤地生成XML時，可能最常見的錯誤是無法轉義特殊字符，如「<」，「&」和「」「，在某些情況下，此錯誤會產生無法識別的內容並修復，因爲它輸出格式良好的XML（但不是XML）

在屬性中未能轉義「」「可能特別難以修復，因爲未轉義的」「」看起來像是屬性值和XML語法錯誤的結果在文件中可能稍晚。

無法轉義「&」或「<」在大多數情況下更容易一些，因爲您可以檢測這些字符何時不會遵循格式良好的XML中可以合法遵循的內容 - 「&」的名稱和分號，名稱或者在「<」的情況下爲「/名稱」或「！」。如果這是你所期望的，你只會抓住90％的錯誤，但這可能比沒有好。

更好的是回到發送給你這些垃圾並將其修復的人。他們不會通過發送這種垃圾來爲任何人提供服務。

Answer 2

你需要寫它通過遍歷每個字符替換所有這些非XML支持的字符和一個函數來清潔您的輸入，如果字符不通過各自的<和>字符之間下降xml實體。

有關完整列表，您可以在wiki

看到一旦你替換這些字符，你可以使用任何XML解析器解析有效的XML到達。