c#中XML解析文件出错解决方法
1.内容中含有xml预定好的实体，如“<”和“&”，对xml来说是禁止使用的，针对这种字符，解决方式是使用cdata部件以"<![cdata[" 标记开始，以"]]>"标记结束，是cdata内部内容被解析器忽略。具体说明参考《xml cdata是什么？》。
2.内容中含有低位非打印字符，解析时会报错：""(十六进制值 0x1d)是无效的字符.加载或保存xml时引发的异常.system.argumentexception: “”(十六进制值 0x1d)是无效的字符。
出错的原因是内容中含有低位非打印字符，处理方法是对其进行过滤，过滤方法为：
return system.text.regularexpressions.regex.replace(str,@"[\x00-\x08]|[\x0b-\x0c]|[\x0e-\x1f]";
以上两种情况，第一种较为普遍，第二种遇到情况比较少，在面对一些用户输入数据时生成xml，可以对xml结点内容执行上述过滤，以保证xml文件使用者可以正确解析xml文档。
以下是详细解释：
“”(十六进制值 0x1d)是无效的字符
加载或保存xml时引发的异常.system.argumentexception: “”(十六进制值 0x1d)是无效的字符。
产生原因是xml文件中包含低位非打印字符造成的
处理方法：在产生xml文件的时候，过滤低位非打印字符
把一个字符串中的 低序位 ascii 字符 替换成 字符
转换 ascii 0 - 8 -> -
转换 ascii 11 - 12 -> -
转换 ascii 14 - 31 -> -
简单的处理方法
return system.text.regularexpressions.regex.replace(httputility.htmlencode(str),@"[\x00-\x08]|[\x0b-\x0c]|[\x0e-\x1f]", "");
======================================================================================================================================================
复杂处理
获取xml时，出现“(十六进制值 0x1f)是无效的字符之类xml异常的解决办法2008-12-19 10:44最近做新闻采集器，需要获取很多站点的xml，加载个别站点经常出现“(十六进制值 0x1f)是无效的字符”问题，百思不的其解。对于问题站点xml的处理,开始的思路是既然直接用 xmldocument对象的load()方法不行，就用loadxml() ，用httpwebrequest 获取url读到流里再转为xml，中间可以加一些非有效字符的过滤处理，但仍然无效，仅仅解决了请求超时的问题...
问题搁置了1周后，终于在今天解决了。
其实很简单，只加一条语句就搞定了
xmldocument doc = new xmldocument();
doc.normalize();
// 摘要:
// 将此 xmlnode 下子树完全深度中的所有 xmltext 节点都转换成“正常”形式，在这种形式中只有标记（即标记、注释、处理指令、cdata
// 节和实体引用）分隔 xmltext 节点，也就是说，没有相邻的 xmltext 节点。
以下是转一位仁兄的贴：
最近碰到一个问题，我的一个把数据库中记录的信息暴露出来的web service调用时候出问题了。报下面的错误信息：
system.invalidoperationexception was unhandled message="xml 文档(1, 823)中有错误。" source="system.xml" message="“”(十六进制值 0x0e)是无效的字符。 行 1，位置 823。" source="system.xml"
当这个错误发生时，web service 服务器端不会有任何错误，而调用这个 web service 的客户端则会报上述错误。
是何原因导致的这个问题呢？
答案很简单，是web service 暴露的xml文档中存在低序位非打印 ascii 字符所致。
我们查看 web service 返回的xml 文档文档中，会有下面的xml文档节：其中的 就是低序位 ascii 字符。 对应的字符如后：
<value> 在神奇天地裏誰叱咤風雨</value>
会导致这些问题的 低序位非打印 ascii 字符包含以下字符：
#x0 - #x8 (ascii 0 - 8)
#xb - #xc (ascii 11 - 12)
#xe - #x1f (ascii 14 - 31)
下面就是一个简单演示这个问题的控制台程序，
为了简单起见，这里没有建立 webservice， 而是把一个类xml序列化存储到文件，然后再把这个文件反序列化读取出来：
其中的这个类的value值中，放了一个低序位非打印 ascii 字符。
执行这个控制台程序，就会报异常。“xml 文档(3, 12)中有错误。”
using system;
using system.xml.serialization;
using system.io;
using system.text;
using system.globalization;
namespace textserialize
{
[serializable]
public class myclass
{
public string value { get; set; }
}
class program
{
static void main(string[] args)
{
string filename = "d:\\1.txt";
myclass c = new myclass();
c.value = string.format("在神奇{0}天地裏誰叱咤風雨", convert.tochar(14));
saveasxml(c, filename, encoding.utf8);
object o = convertfiletoobject(filename, typeof(myclass), encoding.utf8);
myclass d = o as myclass;
if (d != null) console.writeline(d.value);
else console.writeline("null");
console.readline();
}
/// <summary>
/// 序列化
/// </summary>
/// <param name="objecttoconvert"></param>
/// <param name="path"></param>
/// <param name="encoding"></param>
public static void saveasxml(object objecttoconvert, string path, encoding encoding)
{
if (objecttoconvert != null)
{
type t = objecttoconvert.gettype();
xmlserializer ser = new xmlserializer(t);
using (streamwriter writer = new streamwriter(path, false, encoding))
{
ser.serialize(writer, objecttoconvert);
writer.close();
}
}
}
/// <summary>
/// 反序列化
/// </summary>
/// <param name="path"></param>
/// <param name="objecttype"></param>
/// <param name="encoding"></param>
/// <returns></returns>
public static object convertfiletoobject(string path, type objecttype, encoding encoding)
{
object convertedobject = null;
if (!string.isnullorempty(path))
{
xmlserializer ser = new xmlserializer(objecttype);
using (streamreader reader = new streamreader(path, encoding))
{
convertedobject = ser.deserialize(reader);
reader.close();
}
}
return convertedobject;
}
}
}
上面提到的web service 的那个问题，跟这个演示程序是一样的。
我们需要被序列化的内容中，存在 低序位非打印 ascii 字符 时， .net 会给我们正常序列化， 会自动把 低序位非打印 ascii 字符 转换成 编码的字符（这个xml规范中要求这么做的）。
但是，反序列化时候，如果需要反序列化的内容如果存在 编码的字符（映射到低序位非打印 ascii 字符），则反序列化就会出错。
如果解决这个问题呢？
当然，最彻底的解决方法是修改反序列化的代码，让这些字符不会出错。但这个东西很多时候不归我们控制。这个方案不可行。
下一个方案就是剔除这些捣乱的字符。
我这里要给出的方案，是对这些字符序列化时作一次预处理，反序列化时，作一次反向处理。
这里为了演示的更有意义，我这里处理逻辑就是把 低序位非打印 ascii 字符 转换成 编码的字符 ，和把 编码的字符 转换成 低序位非打印 ascii 字符。
这样就可以使用我这里提供的函数，实现更多的处理逻辑。这两个函数的代码如下：
/// <summary>
/// 把一个字符串中的 低序位 ascii 字符 替换成 字符
/// 转换 ascii 0 - 8 -> -
/// 转换 ascii 11 - 12 -> -
/// 转换 ascii 14 - 31 -> -
/// </summary>
/// <param name="tmp"></param>
/// <returns></returns>
public static string replaceloworderasciicharacters(string tmp)
{
stringbuilder info = new stringbuilder();
foreach (char cc in tmp)
{
int ss = (int)cc;
if (((ss >= 0) && (ss <= 8)) || ((ss >= 11) && (ss <= 12)) || ((ss >= 14) && (ss <= 32)))
info.appendformat("{0:x};", ss);
else info.append(cc);
}
return info.tostring();
}
/// <summary>
/// 把一个字符串中的下列字符替换成 低序位 ascii 字符
/// 转换 - -> ascii 0 - 8
/// 转换 - -> ascii 11 - 12
/// 转换 - -> ascii 14 - 31
/// </summary>
/// <param name="input"></param>
/// <returns></returns>
public static string getloworderasciicharacters(string input)
{
if (string.isnullorempty(input)) return string.empty;
int pos, startindex = 0, len = input.length;
if (len <= 4) return input;
stringbuilder result = new stringbuilder();
while ((pos = input.indexof("", startindex)) >= 0)
{
bool needreplace = false;
string roldv = string.empty, rnewv = string.empty;
int le = (len - pos < 6) ? len - pos : 6;
int p = input.indexof(";", pos, le);
if (p >= 0)
{
roldv = input.substring(pos, p - pos + 1);
// 计算 对应的低位字符
short ss;
if (short.tryparse(roldv.substring(3, p - pos - 3), numberstyles.allowhexspecifier, null, out ss))
{
if (((ss >= 0) && (ss <= 8)) || ((ss >= 11) && (ss <= 12)) || ((ss >= 14) && (ss <= 32)))
{
needreplace = true;
rnewv = convert.tochar(ss).tostring();
}
}
pos = p + 1;
}
else pos += le;
string part = input.substring(startindex, pos - startindex);
if (needreplace) result.append(part.replace(roldv, rnewv));
else result.append(part);
startindex = pos;
}
result.append(input.substring(startindex));
return result.tostring();
}
这样，我们这个演示程序的 main 函数修改为下面的代码，也不会有任何错误发生。
static void main(string[] args)
{
console.writeline(getloworderasciicharacters("123456????"));
console.writeline(getloworderasciicharacters("123456"));
console.writeline(getloworderasciicharacters(""));
console.writeline(getloworderasciicharacters("0123 456789"));
console.writeline(getloworderasciicharacters("\f"));
console.writeline(getloworderasciicharacters(" =-1"));
console.writeline(getloworderasciicharacters(" "));
console.writeline(getloworderasciicharacters(" "));
string filename = "d:\\1.txt";
myclass c = new myclass();
c.value = string.format("在神奇{0}天地裏誰叱咤風雨", convert.tochar(14));
c.value = replaceloworderasciicharacters(c.value);
saveasxml(c, filename, encoding.utf8);
object o = convertfiletoobject(filename, typeof(myclass), encoding.utf8);
myclass d = o as myclass;
if (d != null)
{
d.value = getloworderasciicharacters(d.value);
console.writeline(d.value);
}
else console.writeline("null");
console.readline();
}