当前位置:

首页 > 编程开发 > C#处理混乱XML:宽容解析与数据提取技巧

C#处理混乱XML:宽容解析与数据提取技巧

使用宽容模式解析不规范XML,结合XmlReader设置与HtmlAgilityPack,预处理清洗数据并防御性提取关键内容。

本文目录

    使用宽容模式解析不规范XML,结合XmlReader设置与HtmlAgilityPack,预处理清洗数据并防御性提取关键内容。

    当C#遇到格式混乱的XML 宽容模式解析与数据提取

    处理格式不规范的XML是实际开发中常遇到的问题,尤其在对接第三方系统或读取老旧数据时。C# 提供了多种方式来解析 XML,但在面对标签未闭合、属性缺失引号、编码错误等混乱情况时,默认解析器容易抛出异常。这时候需要启用“宽容模式”并结合合适的方法提取有效数据。

    使用XmlReader配置宽容选项

    标准的 XmlDocument 和 XDocument 在遇到非法 XML 时会直接报错,但 XmlReader 允许通过设置 XmlReaderSettings 来放宽验证规则。

    虽然 .NET 原生并不支持像 HTML 解析器那样的完全容错(如 AngleSharp 或 HtmlAgilityPack),但可以配合外部库或调整输入提升鲁棒性。

    • 设置 CheckCharacters = false 忽略非法字符
    • 关闭 ValidateOnParse = false 防止 DTD 验证中断解析
    • 启用 IgnoreWhitespace = true 减少因空格导致的结构误判

    // 示例:创建宽容的 XmlReader

    var settings = new XmlReaderSettings
    {
        CheckCharacters = false,
        ValidateOnParse = false,
        IgnoreWhitespace = true,
        IgnoreComments = true,
        IgnoreProcessingInstructions = true
    };
    

    using var reader = XmlReader.Create(streamOrPath, settings); var doc = new XmlDocument(); doc.Load(reader); // 尽量加载可识别部分

    借助HtmlAgilityPack解析类XML内容

    当 XML 混乱到接近 HTML 的程度(例如标签不闭合、嵌套错误),推荐使用 HtmlAgilityPack —— 它专为容忍语法错误而设计,也能用于非标准 XML。

    • 安装 NuGet 包:HtmlAgilityPack
    • 将混乱 XML 当作 HTML 文档加载
    • 利用 XPath 提取节点,即使原始结构残缺

    // 示例:用 HtmlAgilityPack 加载破损 XML

    var htmlDoc = new HtmlAgilityPack.HtmlDocument();
    htmlDoc.OptionFixNestedTags = true;       // 自动修复嵌套
    htmlDoc.OptionAutoCloseOnEnd = true;      // 遇到结束标签自动补全
    htmlDoc.OptionCheckSyntax = false;
    htmlDoc.Load(filePath); // 即使格式错误也能读入
    

    // 使用类似 XPath 的方式提取数据 var nodes = htmlDoc.DocumentNode.SelectNodes("//item"); foreach (var node in nodes) { var id = node.GetAttributeValue("id", ""); var name = node.SelectSingleNode("name")?.InnerText.Trim(); Console.WriteLine($"{id}: {name}"); }

    预处理清洗脏数据

    在解析前对原始文本做简单清洗,能显著提高成功率。

    • 移除非法控制字符(如 ASCII 0-8, 11-12, 14-31)
    • 补全明显缺失的引号或尖括号(谨慎使用)
    • 替换 & 为 & 防止实体解析失败
    • 将自闭合标签(如
      )规范化为

    // 清洗示例

    string CleanXmlString(string input)
    {
        // 移除非法 XML 字符
        var cleaned = Regex.Replace(input, @"[\x00-\x08\x0B\x0C\x0E-\x1F]", "");
    
    // 修复孤立的 &
    cleaned = Regex.Replace(cleaned, @"&(?![a-zA-Z#][a-zA-Z0-9#]*;)", "&");
    
    // 补全常见自闭合标签(视需求扩展)
    cleaned = Regex.Replace(cleaned, @"<(img|br|hr|input|meta|link)\b([^>]*)>", 
                            @"<$1$2 />");
    
    return cleaned;

    }

    灵活提取与容错处理

    即使成功加载文档,某些节点仍可能为空或结构异常。编写数据提取逻辑时应保持防御性。

    • 始终检查节点是否为 null 再访问 InnerText 或 Attributes
    • 使用 try-catch 包裹高风险转换(如 int.Parse)
    • 记录解析日志,便于后续修正源头问题

    基本上就这些。面对混乱 XML,关键是不要依赖严格标准,而是组合使用宽容读取、外部解析库和前置清洗,把“能救的数据”尽可能捞出来。很多时候不需要完美还原,只要关键字段可用即可。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 C#
    相关文章 更多
    winforms教程自学入门与基础开发步骤详解
    winforms教程自学入门与基础开发步骤详解

    本教程详细讲解如何使用Visual Studio创建WinForms项目,通过添加按钮和标签控件并编写点击事件代码,实现一个基础的计数器功能,适合C#初学者快速上手Windows窗体应用开发。

    简单了解XML 树结构
    简单了解XML 树结构

    XML文档采用树形结构,由根元素出发,包含层层嵌套的子元素,形成父子或同胞关系。每个元素可承载文本和属性,标签名称自描述,便于理解,广泛用于数据交换与存储。

    XML和YAML的使用方法
    XML和YAML的使用方法

    YAML相比XML具有可读性强、与脚本语言交互好、语法简洁等优势,通过空格和缩进实现结构,适合配置文件场景。XML侧重于数据存储与传输,标签要求严格成对且区分大小写。YAML继承XML优点,并以更敏捷方式完成相同任务。

    怎样打开XML文件?xml文件如何打开?
    怎样打开XML文件?xml文件如何打开?

    XML是可扩展标记语言,用于标记数据并定义数据类型,适合网络传输和跨平台数据交换。它语法简单,要求标签成对出现、正确嵌套且属性必须加引号。可用记事本或Excel等工具打开,Excel提供多种导入方式。

    XML解析错误:未组织好 的解决办法
    XML解析错误:未组织好 的解决办法

    在Windows上运行ASP.NET网站时,有时你会遇到一个让人摸不着头脑的怪现象:XML文件本身完整无缺,放在Linux下一切正常,可一换到Windows+IIS的环境,浏览器就报错。比如Firefox 2.0会提示“XML解析错误:未组织好”,位置指向页面第一行第二个字符,而IE则显示“无法显示

    一个用xslt样式将xml解析为xhtml的类TransformBinder(兼容FF和IE7.0)
    一个用xslt样式将xml解析为xhtml的类TransformBinder(兼容FF和IE7.0)

    针对XML文件自动生成无法修改的问题,有效开发了TransformBinder类。该类通过XmlDom构造函数统一创建文档对象模型,利用transformXSLT函数实现XSLT到XHTML的转换,兼容IE和Firefox等主流浏览器。同时,封装了registerAction与bind方法,支持外部关联XML与XSLT文件,便于代码复用。

    powerbuilder(pb)中 xml的应用一例
    powerbuilder(pb)中 xml的应用一例

    在PowerBuilder9.0中处理订单与明细的XML导出时,需要先拆分两个数据窗口并分别定义模板,然后通过设置‘StartDetail’属性来控制循环输出,子报表引用的明细数据窗口会忽略顶层节点,最终生成符合指定格式的XML文件内容。

    asp下利用xml打包网站文件
    asp下利用xml打包网站文件

    将整个网站文件夹打包为一个XML文件,上传至虚拟主机后运行解包程序即可完成部署。核心原理是利用XML存储二进制数据。文件数量多时效率需实际验证,此法适合小文件或简化FTP上传场景。

    气象 XML 数据源应用程序开发指南-内容目录
    气象 XML 数据源应用程序开发指南-内容目录

    本指南系统覆盖从账号获取到数据规则的完整流程,详述搜索、气象数据请求与响应、错误处理、资源、数据规则、链接、属性及标志使用等核心内容与注意事项,为天气应用开发人员提供全面系统的参考。

    XML CDATA是什么?
    XML CDATA是什么?

    XML解析器默认解析所有文本,遇到特殊字符(如、&)需转义,否则导致解析错误。若未禁用外部实体,可能引发XXE安全漏洞,加载恶意文件或泄露数据,建议严格配置输入验证并禁用DTD。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。