如何判断一个字符串是否为XML格式？

Question

我们有一个字符串字段，其中可能包含XML或纯文本。该XML不包含<?xml头和根元素，即不是格式良好的XML。

我们需要能够编辑XML数据，清空元素和属性值，仅保留它们的名称，因此在编辑之前需要测试这个字符串是否为XML。

目前我正在使用以下方法：

string redact(string eventDetail)
{
    string detail = eventDetail.Trim();
    if (!detail.StartsWith("<") && !detail.EndsWith(">")) return eventDetail;
    ...

有更好的方法吗？

这种方法可能会忽略哪些特殊情况？

我知道可以使用XmlDocument.LoadXml并捕获XmlException，但这感觉像是一个昂贵的选择，因为我已经知道很多数据不会是 XML 格式。

这是一个 XML 数据的示例，除了缺少根元素（为了节省空间而省略），我们可以假设它是格式良好的：

<TableName FirstField="Foo" SecondField="Bar" /> 
<TableName FirstField="Foo" SecondField="Bar" /> 
...

目前我们只使用基于属性的值，但如果数据变得更加复杂，我们将来可能会使用元素。

解决方法

根据多个评论（谢谢！）。

string redact(string eventDetail)
{
    if (string.IsNullOrEmpty(eventDetail)) return eventDetail; //+1 for unit tests :)
    string detail = eventDetail.Trim();
    if (!detail.StartsWith("<") && !detail.EndsWith(">")) return eventDetail;
    XmlDocument xml = new XmlDocument();
    try
    {
        xml.LoadXml(string.Format("<Root>{0}</Root>", detail));
    }
    catch (XmlException e)
    {
        log.WarnFormat("Data NOT redacted. Caught {0} loading eventDetail {1}", e.Message, eventDetail);
        return eventDetail;
    }
    ... // redact

- si618

---

我会选择使用LoadXml，这样你就知道输入的“XML”数据是有效的。如果你使用你的方法（代码），你可能会有格式不正确的XML通过测试。 - Martin

请参见 https://dev59.com/S0jSa4cB1Zd3GeqPD0AD 。 - Graviton

你是自己写的吗？我不太明白为什么你要以一种无法正确解释区域的方式来编写它，然后呢...？ - Noon Silk

谢谢大家，Ngu和RRUZ找到了非常相似的问题，所以我会删除这个。 - si618

@Silky，这些数据是用于我们的审计日志，很多事件细节都是关于“密码错误”，“用户名错误”，“会话超时”等等。其中一部分（XML）是用于查找数据 - 用户搜索了什么以及返回了什么。你说得对，我可以使用另一种方法来确定是否需要期望XML，但它必须依赖于代码，并且我们不断添加更多的代码，它也不会100％可靠，因为我无法控制其他程序员写入日志的内容。 - si618

Answer 1

如果您首先要接受格式不正确的XML，我认为捕获异常是处理它的最佳方式。

- lod3n

---

我已经更新了问题，并提供了示例数据。我们可以假设它是格式良好的，除了缺少根元素。 - si618

Answer 2

一种可能的解决方案是将两种方法结合使用。您可以使用您的编辑方法，并尝试在if语句中加载它。这样，您只会尝试加载可能是格式良好的xml，并且会丢弃大部分非xml条目。

- Samuel Carrijo

---

我将此标记为最合适的答案，因为我认为它以最有效的方式解决了我的问题。对于大多数情况，StartsWith < 和 EndsWith > 将过滤掉非 XML 数据，而对于像 Ira Baxter 描述的罕见情况，捕获 XmlException 将解决这些问题。 - si618

Answer 3

如果您的目标是可靠性，那么最好的选择是使用XmlDocument.LoadXml来确定它是否为有效的XML。对数据进行完全解析可能很昂贵，但这是唯一可靠地判断它是否为有效的XML的方法。否则，您没有检查缓冲区中未检查的任何字符都可能导致数据成为非法的XML。

- JaredPar

---

我认为在这里使用XmlDocument不是一个好选择 - 他不需要DOM，只需要验证。看起来XmlReader和try { while (reader.Read(); } catch(XmlException ex) { ... }会是一种更轻量级的方法。 - Pavel Minaev

@Pavel，但我还需要修改Xml以编辑数据，因此需要XmlDocument。 - si618

同意，但如果我结合Samuel的想法，使用StartsWith和EndsWith代码可以捕获99%的纯文本，并将其他1%留给LoadXml抛出XmlException时捕获。 - si618

Answer 4

这取决于您想要多准确的测试。考虑到您已经没有官方的<xml，您已经在尝试检测不是XML的东西。理想情况下，您应该通过完整的XML解析器（如您建议的LoadXML）解析文本；任何被拒绝的内容都不是XML。问题是，您是否在意接受非XML字符串？例如，您是否接受

  <the quick brown fox jumped over the lazy dog's back>

你是将其作为XML并剥离吗？如果是，那么你的技术是好的。如果不是，你需要决定你想要多严格的测试，并编写一个具有该程度严格性的识别器。

- Ira Baxter

---

是的，那就是我担心遇到的问题。 - si618

Answer 5

数据是如何传递给您的？周围还有什么其他类型的数据？也许有更好的方法；也许您可以对您控制的数据进行标记化，然后推断出不在这些标记内的任何内容都是XML，但我们需要了解更多信息。

如果没有像那样可爱的解决方案，我认为您现在的做法是可以的（用于验证它以这些字符开头和结尾）。

我们确实需要更多关于数据格式的信息。

- Noon Silk

Answer 6

如果XML不包含根元素（即它是一个XML片段，而不是完整文档），那么下面的示例也是完全有效的，但不会匹配您的探测器：

foo<bar/>baz

实际上，任何文本字符串都可以作为有效的XML片段（考虑一下如果原始的XML文档只是将一些文本包装在根元素中，然后您将根元素标记去掉）。

- Pavel Minaev

Answer 7

try
{
    XmlDocument myDoc = new XmlDocument();
    myDoc.LoadXml(myString);
}
catch(XmlException ex)
{
    //take care of the exception
}

- Evgeny

---

当然，在问题中已经说明了这一点。但是，当我知道很多数据不是XML格式时，捕获异常的代价就会很高。 - si618