有条件地转义特殊的 XML 字符

Question

有条件地转义特殊的 XML 字符

6

我搜索了很多，但没有找到一个内置的 .Net 方法可以仅转义特殊的 XML 字符：<, >, &, ' 和 "，如果它不是一个标记。

例如，考虑以下文本：

Test& <b>bold</b> <i>italic</i> <<Tag index="0" />

我希望你能够将其翻译为：

Test&amp; <b>bold</b> <i>italic</i> &lt;<Tag index="0" />

请注意，标签没有被转义。我基本上需要将这个值设置为XmlElement的InnerXML，因此，这些标签必须被保留。

我已经研究过实现自己的解析器，并使用StringBuilder尽可能地进行优化，但这可能会变得非常麻烦。

我还知道哪些标签是可接受的，这可能会简化事情（仅限于：br、b、i、u、blink、flash、Tag）。此外，这些标签可以是自闭合标签。

(e.g. <u />)

或者容器标签

(e.g. <u>...</u>)

- Amir

2

HTML不是XML...就像foo bar really 这样。如果你想自己处理，那么你会有很多乐趣。作为一种选择，考虑使用HtmlAgilityPack将HTML解析成合理的树，并仔细地将所有节点插入XML中。 - Alexei Levenkov

任何简单的操作都无法正确处理“测试值为<3但>1”的情况。 - Bobson

@Bobson < 3 不是一个有效的起始标签，所以你可以弄清楚这一点。但你的观点仍然成立，< 和 > 被转义以消除解析中的歧义。在某些情况下，任何合理的解析器都会选择一条路径，而你可能希望选择另一条路径。 - Mike Park

@Bobson 我刚刚编辑了帖子。我已经知道哪些类型的标签是可接受的。此外，<3但>1将需要转义，因为元素不能以空格开头。 - Amir

1

@Amir 这不是最好的例子，但观点是正确的。我本可以说 <3 but >1。然而，只允许使用已知的标签列表会使它变得容易得多。 - Bobson

你到底想用转义字符做什么？如果你想将它们添加到XML中，那么只需使用LINQ to XML或其他XML API来编写文本。它们知道如何转义。 - John Saunders

3个回答

2

我个人认为这是不可能的，因为你真的在尝试修复格式错误的HTML，因此没有规则可用于确定什么需要编码，什么不需要。

无论如何，像<<Tag index="0" />这样的东西都不是有效的HTML。

如果你知道实际的标签，你可能能够创建一个白名单来简化事情，但你必须更具体地解决你的问题，我不认为你能够为任何场景解决这个问题。

事实上，很有可能你的文本中并没有任何随机的<或>，这将（可能）极大地简化问题，但如果你真的想出一个通用的解决方案......祝你好运。

- Ian G

除非他已经允许仅使用一小组有效标签，否则这是不可能的。 - Bobson

1

这是一个正则表达式，您可以使用它来匹配任何无效的<或>。

(\<(?! ?/?(?:b|i|br|u|blink|flash|Tag[^>]*))|(?<! ?/?(?:b|i|br|u|blink|flash|Tag[^>]*))\>)

我建议将有效的标签测试表达式放入一个变量中，然后在其周围构建其余部分。

var validTags = "b|i|br|u|blink|flash|Tag[^>]*";
var startTag = @"\<(?! ?/?(?:" + validTags + "))";
var endTag = @"(?<! ?/?(?:" + validTags + "))/>";

然后只需对它们执行RegEx.Replace。

- Bobson

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Nigel Whatling · Accepted Answer

注意：这个可能可以进行优化。这只是我为你快速编写的东西。请注意，我没有对标签本身进行任何验证。它只是在寻找用尖括号包裹的内容。如果尖括号在标签内被发现（例如<sometag label="我在这里放了一个>"），它也会失败。除此之外，我认为它应该能够完成你要求的工作。

namespace ConsoleApplication1
{
    using System;
    using System.Text.RegularExpressions;

    class Program
    {
        static void Main(string[] args)
        {
            // This is the test string.
            const string testString = "Test& <b>bold</b> <i>italic</i> <<Tag index=\"0\" />";

            // Do a regular expression search and replace. We're looking for a complete tag (which will be ignored) or
            // a character that needs escaping.
            string result = Regex.Replace(testString, @"(?'Tag'\<{1}[^\>\<]*[\>]{1})|(?'Ampy'\&[A-Za-z0-9]+;)|(?'Special'[\<\>\""\'\&])", (match) =>
                {
                    // If a special (escapable) character was found, replace it.
                    if (match.Groups["Special"].Success)
                    {
                        switch (match.Groups["Special"].Value)
                        {
                            case "<":
                                return "&lt;";
                            case ">":
                                return "&gt;";
                            case "\"":
                                return "&quot;";
                            case "\'":
                                return "&apos;";
                            case "&":
                                return "&amp;";
                            default:
                                return match.Groups["Special"].Value;
                        }
                    }

                    // Otherwise, just return what was found.
                    return match.Value;
                });

            // Show the result.
            Console.WriteLine("Test String: " + testString);
            Console.WriteLine("Result     : " + result);
            Console.ReadKey();
        }
    }
}