c# - 我将如何解析可能格式错误的整个 XML 文件？

Question

到目前为止，我正在做的是:

try 
{
    XmlDocument xmldoc = loadXml(orderFilePath);
}
catch (XmlException exception)
{
    //... blah blah - there was an error, let the user know
}

但无论如何，我真的很想能够尝试解析该文件。当我说“格式错误”时，我并不一定意味着会有一个未闭合的标签或元素，而是元素的值中可能包含以下内容之一:'<'、'>'、'&'

我看到周围有人提到我可能不得不使用 XmlReader - 但它仍然会在该元素上引发异常，还是允许我以某种方式解决问题？

我知道在源头修复 XML 是最好的解决方案，但我无法控制 XML 的来源。

谢谢!

编辑:

XML 的 super 简单示例:

<Order>
  <Customer_ID>555-555-5555</Customer_ID>
  <ShipToAddress>
    <Customer_Name>Some Guy</Customer_Name>
    <Street>123 Fake Dr.</Street>
    <Street2></Street2>
    <City>West Palm Beach</City>
    <State>FL</State>
    <ZipCode>33417</ZipCode>
    <Country>United States</Country>
  </ShipToAddress>
  <BillToAddress>
    <Customer_Name>Some Guy</Customer_Name>
    <Street>123 Fake Dr.</Street>
    <Street2></Street2>
    <City>West Palm Beach</City>
    <State>FL</State>
    <ZipCode>33417</ZipCode>
    <Country>United States</Country>
  </BillToAddress>
  <items>
    <item>
      <Product_ID>25101</Product_ID>
      <Product_Name></Product_Name>
      <Quantity>1</Quantity>
      <USPrice>26.95000</USPrice>
    </item>
  </items>
<!-- bad stuff here -->
<How_did_you_hear_about_us>Coffee & Tea magazine</How_did_you_hear_about_us>
<!-- bad stuff here -->
</Order>

问题是 - 我不一定知道它是否会一直在同一个地方。

Answer 1

一种方法可能是在解析之前验证一些东西。您可以使用正则表达式来验证 XML 标记，但可能更容易的是 Stack你在哪里添加每个 <和 >符号上。之后只需遍历它并断言您不会连续两次获得相同的符号。

这就提出了一个问题:你如何区分<MyElement>>和 <MyEl>ement> ？

虽然这一切都非常模糊:当 XML 被证明无效时，您希望发生什么？您希望将此预处理验证进行到什么程度？

我认为最好的选择是不继续。您无法解决抛给您的格式错误的 XML 的所有问题，通知用户并结束它可能会更好。

如果来源一直向您发送格式错误的 XML，您将不得不联系维护人员或寻找替代方案。