XDocument.Save() 删除我的实体

我编写了一个工具，使用C#和Linq to XML修复一些XML文件（即插入一些丢失的属性/值）。该工具将现有的XML文件加载到XDocument对象中。然后，它向下解析节点以插入丢失的数据。之后，它调用XDocument.Save（）将更改保存到另一个目录中。

所有这些都很好，除了一件事：任何&xAXML文件中文本中的实体将替换为换行符。当然，该实体表示一个新行，但我需要在XML中保留该实体，因为另一个消费者需要它。

是否有任何方法可以在不丢失&xA实体？

谢谢。


实体在XML中被技术上称为"数字字符引用"，当原始文档加载到XDocument中时，它们被解析。这使得您的问题很难解决，因为在加载XDocument之后，无法区分已解析的空白实体和不重要的空白（通常用于格式化纯文本查看器的XML文档）。因此，只有当您的文档中没有任何不重要的空白时，以下内容才适用。

System.Xml库允许通过将XmlWriterSettings类的NewLineHandling属性设置为Entitize来保留空白空间实体。然而，在文本节点中，这只会将r赋予，而不会将n赋予
。

最简单的解决方案是从XmlWriter类派生并重写其WriteString方法，以手动将空白字符替换为其数字字符实体。WriteString方法恰好也是.NET对不允许出现在文本节点中的字符进行实体化的地方，例如语法标记&、<和>，它们分别被实体化为&、<和>。

由于XmlWriter是抽象的，我们将从XmlTextWriter派生，以避免必须实现前一类的所有抽象方法。这里有一个快速而肮脏的实现：

public class EntitizingXmlWriter : XmlTextWriter
{
    public EntitizingXmlWriter(TextWriter writer) :
        base(writer)
    { }
    public override void WriteString(string text)
    {
        foreach (char c in text)
        {
            switch (c)
            {
                case 'r':
                case 'n':
                case 't':
                    base.WriteCharEntity(c);
                    break;
                default:
                    base.WriteString(c.ToString());
                    break;
            }
        }
    }
}

如果打算在生产环境中使用，您可能希望去掉c.ToString()部分，因为它的效率非常低。您可以通过对原始text中不包含任何要赋予实体的字符的子字符串进行批处理，并将它们一起提供给单个base.WriteString调用来优化代码。

警告：以下天真的实现将不起作用，因为基本的WriteString方法将用&替换任何&字符，从而导致r扩展为&#xA;。

    public override void WriteString(string text)
    {
        text = text.Replace("r", "&#xD;");
        text = text.Replace("n", "&#xA;");
        text = text.Replace("t", "&#x9;");
        base.WriteString(text);
    }

最后，要将XDocument保存到目标文件或流中，只需使用以下片段：

using (var textWriter = new StreamWriter(destination))
using (var xmlWriter = new EntitizingXmlWriter(textWriter))
    document.Save(xmlWriter);

希望这能有所帮助！

编辑：为了参考，这里是重写的WriteString方法的优化版本：

public override void WriteString(string text)
{
    // The start index of the next substring containing only non-entitized characters.
    int start = 0;
    // The index of the current character being checked.
    for (int curr = 0; curr < text.Length; ++curr)
    {
        // Check whether the current character should be entitized.
        char chr = text[curr];
        if (chr == 'r' || chr == 'n' || chr == 't')
        {
            // Write the previous substring of non-entitized characters.
            if (start < curr)
                base.WriteString(text.Substring(start, curr - start));
            // Write current character, entitized.
            base.WriteCharEntity(chr);
            // Next substring of non-entitized characters tentatively starts
            // immediately beyond current character.
            start = curr + 1;
        }
    }
    // Write the trailing substring of non-entitized characters.
    if (start < text.Length)
        base.WriteString(text.Substring(start, text.Length - start));
}

如果您的文档中包含想要与
实体区分的不重要的空白，您可以使用以下（简单得多）解决方案：将
字符引用临时转换为另一个字符（文档中尚未存在），执行XML处理，然后将该字符转换回输出结果中。在下面的示例中，我们将使用专用字符U+E800。

static string ProcessXml(string input)
{
    input = input.Replace("&#xA;", "&#xE800;");
    XDocument document = XDocument.Parse(input);
    // TODO: Perform XML processing here.
    string output = document.ToString();
    return output.Replace("uE800", "&#xA;");
}

注意，由于XDocument将数字字符引用解析为其对应的Unicode字符，因此""实体在输出中将被解析为'uE800'。

通常，您可以安全地使用Unicode的"专用区域"（U+E000–U+F8FF）中的任何代码点。如果您想更加安全，请检查该字符是否已存在于文档中；如果是，则从所述范围中选择另一个字符。由于您只会在内部临时使用角色，因此使用哪一个并不重要。在文档中已经存在所有专用字符的极不可能的情况下，抛出异常；然而，我怀疑这种情况在实践中是否会发生。

相关内容

最新更新

热门标签：