如何使用 C# 从 XML 中删除重复的属性

Question

我正在解析来自第三方提供商的一些 XML 文件，不幸的是它并不总是格式良好的 XML，因为有时某些元素包含重复的属性。

我无法控制来源，我不知道哪些元素可能有重复的属性，也不知道重复的属性名称。

显然，将内容加载到 XMLDocument 对象会在重复属性上引发 XmlException，因此我可以使用 XmlReader 逐个元素地遍历 XML 元素并在到达违规元素。

但是，XmlException 是在 reader.Read() 上引发的 - 在我有机会检查元素的属性之前。

这是一个演示问题的示例方法：

public static void ParseTest()
{
    const string xmlString = 
        @"<?xml version='1.0'?>
        <!-- This is a sample XML document -->
        <Items dupattr=""10"" id=""20"" dupattr=""33"">
            <Item>test with a child element <more/> stuff</Item>
        </Items>";

    var output = new StringBuilder();
    using (XmlReader reader = XmlReader.Create(new StringReader(xmlString)))
    {
        XmlWriterSettings ws = new XmlWriterSettings();
        ws.Indent = true;
        using (XmlWriter writer = XmlWriter.Create(output, ws))
        {
            while (reader.Read())   /* Exception throw here when Items element encountered */
            {
                switch (reader.NodeType)
                {
                    case XmlNodeType.Element:
                        writer.WriteStartElement(reader.Name);
                        if (reader.HasAttributes){ /* CopyNonDuplicateAttributes(); */}
                        break;
                    case XmlNodeType.Text:
                        writer.WriteString(reader.Value);
                        break;
                    case XmlNodeType.XmlDeclaration:
                    case XmlNodeType.ProcessingInstruction:
                        writer.WriteProcessingInstruction(reader.Name, reader.Value);
                        break;
                    case XmlNodeType.Comment:
                        writer.WriteComment(reader.Value);
                        break;
                    case XmlNodeType.EndElement:
                        writer.WriteFullEndElement();
                        break;
                }
            }

        }
    }
    string str = output.ToString();
}

是否有另一种方法来解析输入并删除重复的属性，而无需使用正则表达式和字符串操作？

Answer 1

我通过将 XML 视为 HTML 文档找到了解决方案。然后使用开源的Html Agility Pack 库，我能够得到有效的XML。

诀窍是先用 HTML 标头保存 xml。
所以替换 XML 声明
<?xml version="1.0" encoding="utf-8" ?>
使用这样的 HTML 声明：
!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

一旦将内容保存到文件中，此方法将返回一个有效的 XML 文档。

// Requires reference to HtmlAgilityPack
public XmlDocument LoadHtmlAsXml(string url)
{
    var web = new HtmlWeb();

    var m = new MemoryStream();
    var xtw = new XmlTextWriter(m, null);

    // Load the content into the writer
    web.LoadHtmlAsXml(url, xtw);

    // Rewind the memory stream
    m.Position = 0;

    // Create, fill, and return the xml document
    XmlDocument xmlDoc = new XmlDocument();
    xmlDoc.LoadXml((new StreamReader(m)).ReadToEnd());
    return xmlDoc;
}

重复的属性节点被自动删除，后面的属性值会覆盖前面的属性值。

Answer 2

好的认为你需要捕捉错误：

那么你应该可以使用以下方法：

reader.MoveToFirstAttribute();

和

reader.MoveToNextAttribute()

获取以下属性：

reader.Value
reader.Name

这将使您能够获取所有属性值。