使用错误编码的 HTML 实体处理“XML”[重复]答案

【问题标题】：Handle "XML" with incorrectly encoded HTML entities [duplicate]使用错误编码的 HTML 实体处理“XML”[重复]
【发布时间】：2020-01-04 01:21:53
【问题描述】：

我有一个 XML 文件，用户可以更改该文件并将一些不同的文本添加到某些属性，然后上传到我的工具。问题是它们有时在属性值中包含&lt; 和&gt;。我想把它改成&lt;和&gt;。

例如：

 <title value="Tuition and fees paid with (Percent<5000) by Gender" />

使用以下代码加载它会导致错误：

XmlDocument smldoc = new XmlDocument();
xmldoc.LoadXml(xmlString);

我遇到的问题是我需要用户生成的所有属性都位于&lt; 和&gt; 的html 实体中。问题是我不能只做一个.Replace("<", "&lt;")，因为实际的 XML 文件需要这些。

这如何轻松完成？代码是 C#.Net。

【问题讨论】：

这不是有效的 XML，您可以验证用户输入并让用户知道它无效，但解析器无能为力。
您不应允许用户编辑 XML（除非他们也是开发人员）。提供用于编辑内容的工具，这样他们就不会触及 XML 结构。 .xlsx 文档是压缩的 XML 文件，但 Microsoft 不希望用户直接编辑 XML 来更改单元格内容。
stackoverflow.com/questions/44765194/… 重复涵盖了您问题的“已读”部分（最初是 Java，但涵盖的策略是通用的，还包括一些特定于 .NET 的内容）。正如@madreflection 指出的那样，让用户编辑 XML 通常是个坏主意（我知道也许有几个人每次都能正确地手动编码......但其他没有直接或间接参与 XML W3C 委员会的人经常犯错误足够的）。如果您必须进行纯文本编辑，请使用单独的文件...

标签： c# asp.net .net xml c#-4.0

【解决方案1】：

为什么您首先允许您的用户向您发送无效的 XML？你应该拒绝这样的输入。没有更适合您的用户发送此数据的格式吗？像“键：值”字符串列表？

无论如何，您都可以通过替换方法解决此问题，只需确保您在第一个之后开始并在最后一个 < 和 > 之前停止。

类似这样的：

var trimmedXml = xmlString.Trim(); // to remove whitespace at either end

var innerText = trimmedXml.Substring(1, trimmedXml.Length -1);
innerText = innerText.Replace("<", "&lt").Replace(">", "&gt;");

xmlString = trimmedXml[0] + innerText + trimmedXml[trimmedXml.Length -1];

当然，您需要验证“XML”字符串至少包含</>。

【讨论】：