如何解析带有嵌套 XML 文本的 XML

Question

尝试读取带有嵌套 XML 对象和自己的 XML 声明的 XML 文件。正如预期的那样有异常： Unexpected XML declaration. The XML declaration must be the first node in the document, and no white space characters are allowed to appear before it.

我如何将该特定元素作为文本读取并将其解析为单独的 XML 文档以供以后反序列化？

<?xml version="1.0" encoding="UTF-8"?>

<Data>

  <Items>

    <Item>

      <Target type="System.String">Some target</Target>

      <Content type="System.String"><?xml version="1.0" encoding="utf-8"?><Data><Items><Item><surname type="System.String">Some Surname</surname><name type="System.String">Some Name</name></Item></Items></Data></Content>

    </Item>

  </Items>

</Data>

由于声明异常，我尝试的每种方法都失败了。

    var xml = System.IO.File.ReadAllText("Info.xml");

    var xDoc = XDocument.Parse(xml); // Exception

    var xmlDoc = new XmlDocument();

    xmlDoc.LoadXml(xml); // Exception

    var xmlReader = XmlReader.Create(new StringReader(xml));

    xmlReader.ReadToFollowing("Content"); // Exception

我无法控制 XML 的创建。

Answer 1

我知道的唯一方法是摆脱非法的第二次<?xml>声明。我写了一个示例，它将简单地查找并丢弃第二个<?xml>. 之后该字符串成为有效的 XML 并且可以被解析。您可能需要稍微调整一下以使其适用于您的具体情况。代码：using System;using System.Xml;public class Program{&nbsp; &nbsp; public static void Main()&nbsp; &nbsp; {&nbsp; &nbsp; &nbsp; &nbsp; var badXML = @"<?xml version=""1.0"" encoding=""UTF-8""?><Data>&nbsp; <Items>&nbsp; &nbsp; <Item>&nbsp; &nbsp; &nbsp; <Target type=""System.String"">Some target</Target>&nbsp; &nbsp; &nbsp; <Content type=""System.String""><?xml version=""1.0"" encoding=""utf-8""?><Data><Items><Item><surname type=""System.String"">Some Surname</surname><name type=""System.String"">Some Name</name></Item></Items></Data></Content>&nbsp; &nbsp; </Item>&nbsp; </Items></Data>";&nbsp; &nbsp; &nbsp; &nbsp; var goodXML = badXML.Replace(@"<Content type=""System.String""><?xml version=""1.0"" encoding=""utf-8""?>"&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;, @"<Content type=""System.String"">");&nbsp; &nbsp; &nbsp; &nbsp; var xmlDoc = new XmlDocument();&nbsp; &nbsp; &nbsp; &nbsp; xmlDoc.LoadXml(goodXML);&nbsp; &nbsp; &nbsp; &nbsp; XmlNodeList itemRefList = xmlDoc.GetElementsByTagName("Content");&nbsp; &nbsp; &nbsp; &nbsp; foreach (XmlNode xn in itemRefList)&nbsp; &nbsp; &nbsp; &nbsp; {&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; Console.WriteLine(xn.InnerXml);&nbsp; &nbsp; &nbsp; &nbsp; }&nbsp; &nbsp; }}输出：<Data><Items><Item><surname type="System.String">Some Surname</surname><name type="System.String">Some Name</name></Item></Items></Data>工作 DotNetFiddle：https ://dotnetfiddle.net/ShmZCy<![CDATA[ .... ]]>也许不用说：如果创建这个无效 XML 的东西应用通用规则将嵌套的 XML 包装在一个块中，那么就不需要所有这些了。

Answer 2

<?xml ...?>处理声明仅在 XML 文档的第一行有效，因此您得到的 XML 不是格式正确的 XML&nbsp;。这将使在不更改源文档（并且您已经指出这是不可能的）或预处理源文档的情况下很难按原样进行解析。你可以试试：用正则表达式或字符串操作剥离<?xml ?>指令，但那里的治疗可能比疾病更糟糕。实现更宽容的解析器的 HTMLAgilityPack可以处理 XML 文档除此之外，文档的制作者应该着眼于生成格式良好的 XML：CDATAsections 可以帮助做到这一点，但请注意CDATA不能包含]]>结束标记。转义 XML 文本的 XML 可以正常工作；也就是说，使用标准例程来<转换&lt;等等。XML 命名空间在这里也可以提供帮助，但一开始它们可能会让人望而生畏。