当前位置:  开发笔记 > 编程语言 > 正文

编码XML文本数据的最佳方法

如何解决《编码XML文本数据的最佳方法》经验,为你挑选了6个好方法。

我在.Net中寻找一个通用方法来编码一个用于Xml元素或属性的字符串,当我没有立即找到它时,我感到很惊讶.所以,在我走得太远之前,我可能只是缺少内置函数吗?

假设它确实不存在,我正在整理我自己的通用EncodeForXml(string data)方法,我正在考虑最好的方法.

我正在使用的数据提示整个事情可能包含坏的字符,如&,<,"等.它还可能包含正确转义的实体:&,<和",这意味着只使用一个CDATA部分可能不是最好的主意.这似乎有点笨拙;我最终会得到一个很好的字符串值,可以直接在xml中使用.

我过去使用过正则表达式来捕捉坏的&符号,我想在这种情况下使用它来捕获它们以及第一步,然后对其他字符进行简单的替换.

那么,这可以进一步优化而不会太复杂,有什么我想念的吗?:

Function EncodeForXml(ByVal data As String) As String
    Static badAmpersand As new Regex("&(?![a-zA-Z]{2,6};|#[0-9]{2,4};)")

    data = badAmpersand.Replace(data, "&")

    return data.Replace("<", "<").Replace("""", """).Replace(">", "gt;")
End Function

对不起你所有的C#-only伙计们 - 我真的不在乎我使用哪种语言,但我想让Regex保持静态,你不能在C#中做到这一点而不在方法之外声明它,所以这将是VB .净

最后,我们仍然使用.Net 2.0,但是如果有人可以将最终产品转换为字符串类的扩展方法,那也很酷.

更新前几个响应表明.Net确实有内置的方法来做到这一点.但是现在我已经开始了,我想完成我的EncodeForXml()方法只是为了它的乐趣,所以我仍然在寻找改进的想法.值得注意的是:一个更完整的字符列表应该被编码为实体(可能存储在列表/映射中),并且比在串行中的不可变字符串上执行.Replace()获得更好的性能.



1> Michael Krop..:

根据您对输入的了解程度,您可能必须考虑到并非所有Unicode字符都是有效的XML字符.

无论Server.HtmlEncodeSystem.Security.SecurityElement.Escape似乎忽视了非法XML字符,而System.XML.XmlWriter.WriteString引发的ArgumentException当它遇到非法字符(除非您禁用检查在这种情况下,忽略它们).此处提供了库函数的概述.

编辑2011年8月14日:在过去的几年里,至少有几个人已经咨询了这个答案,我决定完全重写原始代码,这个代码有很多问题,包括可怕的错误处理UTF-16.

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;

/// 
/// Encodes data so that it can be safely embedded as text in XML documents.
/// 
public class XmlTextEncoder : TextReader {
    public static string Encode(string s) {
        using (var stream = new StringReader(s))
        using (var encoder = new XmlTextEncoder(stream)) {
            return encoder.ReadToEnd();
        }
    }

    /// The data to be encoded in UTF-16 format.
    /// It is illegal to encode certain
    /// characters in XML. If true, silently omit these characters from the
    /// output; if false, throw an error when encountered.
    public XmlTextEncoder(TextReader source, bool filterIllegalChars=true) {
        _source = source;
        _filterIllegalChars = filterIllegalChars;
    }

    readonly Queue _buf = new Queue();
    readonly bool _filterIllegalChars;
    readonly TextReader _source;

    public override int Peek() {
        PopulateBuffer();
        if (_buf.Count == 0) return -1;
        return _buf.Peek();
    }

    public override int Read() {
        PopulateBuffer();
        if (_buf.Count == 0) return -1;
        return _buf.Dequeue();
    }

    void PopulateBuffer() {
        const int endSentinel = -1;
        while (_buf.Count == 0 && _source.Peek() != endSentinel) {
            // Strings in .NET are assumed to be UTF-16 encoded [1].
            var c = (char) _source.Read();
            if (Entities.ContainsKey(c)) {
                // Encode all entities defined in the XML spec [2].
                foreach (var i in Entities[c]) _buf.Enqueue(i);
            } else if (!(0x0 <= c && c <= 0x8) &&
                       !new[] { 0xB, 0xC }.Contains(c) &&
                       !(0xE <= c && c <= 0x1F) &&
                       !(0x7F <= c && c <= 0x84) &&
                       !(0x86 <= c && c <= 0x9F) &&
                       !(0xD800 <= c && c <= 0xDFFF) &&
                       !new[] { 0xFFFE, 0xFFFF }.Contains(c)) {
                // Allow if the Unicode codepoint is legal in XML [3].
                _buf.Enqueue(c);
            } else if (char.IsHighSurrogate(c) &&
                       _source.Peek() != endSentinel &&
                       char.IsLowSurrogate((char) _source.Peek())) {
                // Allow well-formed surrogate pairs [1].
                _buf.Enqueue(c);
                _buf.Enqueue((char) _source.Read());
            } else if (!_filterIllegalChars) {
                // Note that we cannot encode illegal characters as entity
                // references due to the "Legal Character" constraint of
                // XML [4]. Nor are they allowed in CDATA sections [5].
                throw new ArgumentException(
                    String.Format("Illegal character: '{0:X}'", (int) c));
            }
        }
    }

    static readonly Dictionary Entities =
        new Dictionary {
            { '"', """ }, { '&', "&"}, { '\'', "'" },
            { '<', "<" }, { '>', ">" },
        };

    // References:
    // [1] http://en.wikipedia.org/wiki/UTF-16/UCS-2
    // [2] http://www.w3.org/TR/xml11/#sec-predefined-ent
    // [3] http://www.w3.org/TR/xml11/#charsets
    // [4] http://www.w3.org/TR/xml11/#sec-references
    // [5] http://www.w3.org/TR/xml11/#sec-cdata-sect
}

可在此处找到单元测试和完整代码.



2> workmad3..:

SecurityElement.Escape

记录在这里



3> Kilhoffer..:

在过去,我使用HttpUtility.HtmlEncode为xml编码文本.它真的执行相同的任务.我还没有遇到任何问题,但这并不是说我将来也不会.顾名思义,它是为HTML而不是XML而制作的.

您可能已经阅读过它,但这里有一篇关于xml编码和解码的文章.

编辑:当然,如果你使用xmlwriter或一个新的XElement类,这个编码就完成了.实际上,您可以只获取文本,将其放在新的XElement实例中,然后返回元素的字符串(.tostring)版本.我听说SecurityElement.Escape也会执行与您的实用程序方法相同的任务,但是没有阅读或使用过它.

编辑2:忽略我对XElement的评论,因为你还在使用2.0



4> Luke Quinane..:

System.Web.dll中的Microsoft AntiXss库 AntiXssEncoder类具有以下方法:

AntiXss.XmlEncode(string s)
AntiXss.XmlAttributeEncode(string s)

它也有HTML:

AntiXss.HtmlEncode(string s)
AntiXss.HtmlAttributeEncode(string s)



5> Ronnie Overb..:

在.net 3.5+

new XText("I  to & encode this for XML").ToString();

给你:

I <want> to & encode this for XML

事实证明,这种方法不会对它应该编写的东西(如引号)进行编码.

SecurityElement.Escape(workmad3的答案)似乎做得更好,它包含在早期版本的.net中.

如果你不介意第三方代码并且想要确保没有非法字符进入你的XML,我会推荐Michael Kropat的答案.



6> GSerg..:

XmlTextWriter.WriteString() 逃跑了吗?

推荐阅读
U友50081205_653
这个屌丝很懒,什么也没留下!
DevBox开发工具箱 | 专业的在线开发工具网站    京公网安备 11010802040832号  |  京ICP备19059560号-6
Copyright © 1998 - 2020 DevBox.CN. All Rights Reserved devBox.cn 开发工具箱 版权所有