小开

预先声明的字符是:

& < > " '

更多信息见“XML中的特殊字符是什么?”。

小开

最佳答案

唯一的非法字符是&， <和>(以及属性中的"或'，这取决于使用哪个字符来分隔属性值:attr="must use " here, ' is allowed"和attr='must use ' here, " is allowed')。

它们使用XML实体进行转义，在这种情况下，你需要&来表示&。

实际上，您应该使用一个工具或库来为您编写XML，并为您抽象这类东西，这样您就不必担心了。

小开

有效字符列表在XML规范中:

Char       ::=      #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]  /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

小开

这是一个c#代码，用于从字符串中删除XML无效字符并返回一个新的有效字符串。

public static string CleanInvalidXmlChars(string text)
{
// From xml spec valid chars:
// #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]
// any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
string re = @"[^\x09\x0A\x0D\x20-\uD7FF\uE000-\uFFFD\u10000-\u10FFFF]";
return Regex.Replace(text, re, "");
}

小开

对于XSL(在非常懒惰的日子里)，我使用:

capture="&amp;(?!amp;)" capturereplace="&amp;amp;"

翻译所有没有遵循的&-符号på amp;敬合适的人。

在某些情况下，输入是CDATA，但是使用XML的系统没有考虑到它。这是一个草率的修复，小心…

小开

另一个简单的方法是在c#中转义可能不需要的XML / XHTML字符:

WebUtility.HtmlEncode(stringWithStrangeChars)

小开

对于Java人来说，Apache有一个实用程序类(StringEscapeUtils)，它有一个帮助方法escapeXml，可以用于使用XML实体转义字符串中的字符。

小开

在Woodstox XML处理器中，无效字符由以下代码分类:

if (c == 0) {
throw new IOException("Invalid null character in text to output");
}
if (c < ' ' || (c >= 0x7F && c <= 0x9F)) {
String msg = "Invalid white space character (0x" + Integer.toHexString(c) + ") in text to output";
if (mXml11) {
msg += " (can only be output using character entity)";
}
throw new IOException(msg);
}
if (c > 0x10FFFF) {
throw new IOException("Illegal unicode character point (0x" + Integer.toHexString(c) + ") to output; max is 0x10FFFF as per RFC");
}
/*
* Surrogate pair in non-quotable (not text or attribute value) content, and non-unicode encoding (ISO-8859-x,
* Ascii)?
*/
if (c >= SURR1_FIRST && c <= SURR2_LAST) {
throw new IOException("Illegal surrogate pair -- can only be output via character entities, which are not allowed in this content");
}
throw new IOException("Invalid XML character (0x"+Integer.toHexString(c)+") in text to output");

来自在这里

小开

好的，让我们把角色的问题分开

在任何XML文档中都无效。
需要逃脱。

@dolmen在"https://stackoverflow.com/questions/730133/invalid-characters-in-xml/5110103#5110103"仍然有效，但需要使用XML 1.1规范进行更新。

1. 无效字符

这里描述的字符是允许在XML文档中插入的所有字符。

1.1. 在XML 1.0中

参考:参见XML推荐1.0，§2.2字符

允许字符的全局列表是:

[2] Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

基本上，控制字符和超出Unicode范围的字符是不允许的。这也意味着，例如，调用字符实体是禁止的

1.2. XML 1.1中

参考:参见XML推荐1.1，§2.2字符和1.3 XML 1.1的基本原理和变化列表

允许字符的全局列表是:

[2] Char ::= [#x1-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

[2a] RestrictedChar ::= [#x1-#x8] | [#xB-#xC] | [#xE-#x1F] | [#x7F-#x84] | [#x86-#x9F]

XML建议的修订扩展了允许的字符，因此允许使用控制字符，并考虑到Unicode标准的新修订，但仍然不允许使用这些字符:空(x00)， xFFFE， xFFFF…

但是，不鼓励使用控制字符和未定义的Unicode字符。

还可以注意到，并非所有解析器都考虑到这一点，带有控制字符的XML文档可能会被拒绝。

2. 需要转义的字符(以获得格式良好的文档):

<必须用<实体进行转义，因为它被假定为标记的开始。

&必须用&实体进行转义，因为它被假定为实体引用的开始

>应该用>实体进行转义。它不是强制性的——它取决于上下文——但强烈建议避免使用它。

'应该用'实体进行转义——在单引号内定义的属性中是强制性的，但强烈建议总是转义它。

"应该用"实体进行转义——在双引号内定义的属性中是强制性的，但强烈建议总是转义它。

小开

ampersand (&) is escaped to &amp;


double quotes (") are escaped to &quot;


single quotes (') are escaped to &apos;


less than (<) is escaped to &lt;


greater than (>) is escaped to &gt;

在c#中，使用System.Security.SecurityElement.Escape或System.Net.WebUtility.HtmlEncode来转义这些非法字符。

string xml = "<node>it's my \"node\" & i like it 0x12 x09 x0A  0x09 0x0A <node>";
string encodedXml1 = System.Security.SecurityElement.Escape(xml);
string encodedXml2= System.Net.WebUtility.HtmlEncode(xml);




encodedXml1
"&lt;node&gt;it&apos;s my &quot;node&quot; &amp; i like it 0x12 x09 x0A  0x09 0x0A &lt;node&gt;"


encodedXml2
"&lt;node&gt;it&#39;s my &quot;node&quot; &amp; i like it 0x12 x09 x0A  0x09 0x0A &lt;node&gt;"

小开

除了potame的答案，如果你想转义使用CDATA块。

如果你把你的文本在CDATA块中，你不需要使用转义。在这种情况下，你可以使用以下范围内的所有字符:

注意:在此之上，你不允许使用]]>字符序列。因为它将匹配CDATA块的末尾。

如果仍然存在无效字符(例如控制字符)，那么可能最好使用某种编码(例如base64)。

小开

在c#中删除不正确的XML字符的另一种方法是使用XmlConvert.IsXmlChar(自.NET Framework 4.0起可用)

public static string RemoveInvalidXmlChars(string content)
{
return new string(content.Where(ch => System.Xml.XmlConvert.IsXmlChar(ch)).ToArray());
}

或者你可以检查所有字符都是xml有效的:

public static bool CheckValidXmlChars(string content)
{
return content.All(ch => System.Xml.XmlConvert.IsXmlChar(ch));
}

。净小提琴< / >

例如，垂直制表符(\v)对于XML无效，它是有效的UTF-8，但不是有效的XML 1.0，甚至许多库(包括libxml2)都会遗漏它并无声地输出无效的XML。

小开

有人试过这个System.Security.SecurityElement.Escape(yourstring)吗? 将字符串中无效的XML字符替换为有效的等效字符

小开

“XmlWriter和低ASCII字符”对我有用

string code = Regex.Replace(item.Code, @"[\u0000-\u0008,\u000B,\u000C,\u000E-\u001F]", "");

小开

综上所述，文本中的有效字符为:

制表符，换行和换行。
所有非控制字符都是有效的除了 &和<。
如果跟随]]，则>无效。

XML规范的2.2节和2.4节详细给出了答案:

字符

合法字符包括制表符、回车符、换行符以及Unicode和ISO/IEC 10646的合法字符

字符数据

不能出现&号(&)和左尖括号(<) 以文字形式出现，除非用作标记分隔符，或在注释、处理指令或CDATA节中。如果如果在其他地方需要它们，则必须使用任一数字进行转义字符引用或字符串“&和“<” 分别。右尖括号(>)可以使用字符串”>，为了兼容性，必须使用其中之一进行转义 “比;"或出现在字符串中的字符引用"]]> ，当该字符串没有标记CDATA的结束时部分。< / p >

在XML中什么是无效字符

1. 无效字符

1.1. 在XML 1.0中

1.2. XML 1.1中

2. 需要转义的字符(以获得格式良好的文档):