C#如何解析非标准的xml

Question

我有很多长文档需要解析。文档格式类似于 XML 但实际上不是 xml。

这是一个例子:

<DOC>
    <TEXT>it's the content P&G</TEXT>
</DOC> 
<DOC>
    <TEXT>it's antoher</TEXT>
</DOC>

请注意，有多个根标签 - <DOC> ，以及实体 &应该是 &在 xml 中。

因此，上述文件不是标准的xml。

我可以使用 XmlDocument 吗？解析文件，还是应该编写自己的解析器？

Answer 1

您所说的有些不正确 - 这是“非标准 XML”。该文档不是 XML。期间。

您不能使用XmlDocument 或任何其他 XML 解析器将其作为完整文档进行解析。

在尝试使用 XML 解析器解析它之前，您需要确保拥有有效的 XML。

所以 - 在这种情况下，要么将文档扭曲到根元素中，要么将其分解为多个文档。无论哪种情况，您都需要确保特殊字符的编码正确(引号、& 符号等...)。

answer by oakio 通过将文档视为 XML 片段来让您分道扬镳，但这仍然无助于处理无效内容，例如未转义的 & 符号。