C#：保护 XmlTextReader 免受偶尔的 Unicode 字符的影响

Question

在 C# 中，我有一个直接从 HTTP 响应创建的 XmlTextReader（我无法控制响应的 XML 内容）。

HttpWebResponse response = (HttpWebResponse)request.GetResponse();
XmlTextReader reader = new XmlTextReader(response.GetResponseStream());

它可以工作，但有时其中一个 XML 元素节点会包含一个 Unicode 字符（例如“é”），这会让读者感到困惑。我尝试使用具有声明编码的 StreamReader，但现在 XmlTextReader 在第一行退出：“数据无效。第 1 行，位置 1”：

StreamReader sReader = new StreamReader(response.GetResponseStream(), System.Text.Encoding.Unicode);
XmlTextReader reader = new XmlTextReader(sReader);

有没有办法解决这个问题？或者，有没有办法阻止 XmlTextReader 解析具有潜在违规字符的元素（我知道它的名称）？我不关心那个特定的元素，我只是不想让它绊倒读者。

编辑：快速修复：将响应读入 StringBuilder（“sb”）：

sb.Replace("é", "e");
StringReader strReader = new StringReader(sb.ToString());
XmlTextReader reader = new XmlTextReader(strReader);

Answer 1

它不是 Unicode 字符，它是 无效 字符（未正确编码）。

无法保护XmlTextReader 免受无效 XML 的影响。你需要

• 修复服务器端以正确编码字符
• 自行预处理文本

---

根据 UTF8，所有此类字符（“é”）都以 2 或 3 个字节（或更多）编码。您可以使用十六进制编辑器来验证它。

Answer 2

您所说的“让读者绊倒”是什么意思？您的第一个 sn-p 代码应该没问题 - 如果 XML 确实是它声明的编码（请查看 XML 声明），那么它应该是绝对没问题的。

如果 XML 真的被破坏了，我建议在 XML 解析之前执行某种过滤（例如，将 XML 加载到具有正确编码的字符串中，然后修复 声明的 em> 要匹配的编码）...但我们需要先弄清楚它有什么问题。