c# - 解析几乎格式正确的 XML 片段 : how to skip over multiple XML headers

Question

我需要编写一个工具来处理以下格式不正确的 XML 片段，因为它在流的中间包含 XML 声明。

公司已经使用了很长时间的此类文件，因此没有更改格式的选项。

没有可用的源代码来进行解析，新工具的平台选择是 .NET 4 或更新版本，最好使用 C#。

片段是这样的:

<Header>
  <Version>1</Version>
</Header>
<Entry><?xml version="1.0"?><Detail>...snip...</Detail></Entry>
<Entry><?xml version="1.0"?><Detail>...snip...</Detail></Entry>
<Entry><?xml version="1.0"?><Detail>...snip...</Detail></Entry>
<Entry><?xml version="1.0"?><Detail>...snip...</Detail></Entry>

使用 XmlReader与 XmlReaderSettings.ConformanceLevel设置为 ConformanceLevel.Fragment , 我可以阅读完整的 <Header>元素很好。即使是 <Entry>元素开始是可以的，但是在阅读 <Detail> 时信息XmlReader它抛出一个 XmlException ，正如它在 <?xml...?> 中所读它在那个地方不期望的 XML 声明。

除了繁重的字符串操作之外，我还有什么选择可以跳过这些 XML 声明？

由于每个片段很容易超过 100 兆字节，我宁愿不要一次将所有内容加载到内存中。但这就是它所需要的，我对此持开放态度。

我得到的异常示例:

System.Xml.XmlException: 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.
Line ##, position ##.

Answer 1

我不认为内置类会有帮助；您可能需要做一些准备工作并删除多余的 header 。如果你的样本是准确的，你可以做一个 string.Replace(badXml, "<?xml version=\"1.0\"?>, "")继续前进。