转义C#中的无效XML字符

作为删除无效XML字符的方法，我建议您使用XmlConvert.IsXmlChar方法。它是从.NET Framework 4开始添加的，也在Silverlight中提供。这是一个小样本：

void Main() {
    string content = "'v'f'0";
    Console.WriteLine(IsValidXmlString(content)); // False
    content = RemoveInvalidXmlChars(content);
    Console.WriteLine(IsValidXmlString(content)); // True
}
static string RemoveInvalidXmlChars(string text) {
    var validXmlChars = text.Where(ch => XmlConvert.IsXmlChar(ch)).ToArray();
    return new string(validXmlChars);
}
static bool IsValidXmlString(string text) {
    try {
        XmlConvert.VerifyXmlChars(text);
        return true;
    } catch {
        return false;
    }
}

作为转义无效XML字符的方法，我建议您使用XmlConvert.EncodeName方法。这是一个小样本：

void Main() {
    const string content = "'v'f'0";
    Console.WriteLine(IsValidXmlString(content)); // False
    string encoded = XmlConvert.EncodeName(content);
    Console.WriteLine(IsValidXmlString(encoded)); // True
    string decoded = XmlConvert.DecodeName(encoded);
    Console.WriteLine(content == decoded); // True
}
static bool IsValidXmlString(string text) {
    try {
        XmlConvert.VerifyXmlChars(text);
        return true;
    } catch {
        return false;
    }
}

更新：应该提到的是，编码操作产生的字符串的长度大于或等于源字符串的长度。当您将数据库中的编码字符串存储在有长度限制的字符串列中，并验证应用程序中的源字符串长度以适应数据列限制时，这一点可能很重要。

使用SecurityElement.Eescape

using System;
using System.Security;
class Sample {
  static void Main() {
    string text = "Escape characters ： < > & '" ''";
    string xmlText = SecurityElement.Escape(text);
//output:
//Escape characters ： &lt; &gt; &amp; &quot; &apos;
    Console.WriteLine(xmlText);
  }
}

如果您正在编写xml，只需使用框架提供的类来创建xml。你不必为逃跑或其他事情而烦恼。

Console.Write(new XElement("Data", "< > &"));

将输出

<Data>&lt; &gt; &amp;</Data>

如果需要读取格式错误的XML文件，请不要使用正则表达式。相反，使用Html敏捷包。

Irishman提供的RemoveInvalidXmlChars方法不支持代理项字符。要测试它，请使用以下示例：

static void Main()
{
    const string content = "'v'U00010330";
    string newContent = RemoveInvalidXmlChars(content);
    Console.WriteLine(newContent);
}

这会返回一个空字符串，但不应该！它应该返回"''U00010330"，因为字符U+10330是一个有效的XML字符。

为了支持代理字符，我建议使用以下方法：

public static string RemoveInvalidXmlChars(string text)
{
    if (string.IsNullOrEmpty(text))
        return text;
    int length = text.Length;
    StringBuilder stringBuilder = new StringBuilder(length);
    for (int i = 0; i < length; ++i)
    {
        if (XmlConvert.IsXmlChar(text[i]))
        {
            stringBuilder.Append(text[i]);
        }
        else if (i + 1 < length && XmlConvert.IsXmlSurrogatePair(text[i + 1], text[i]))
        {
            stringBuilder.Append(text[i]);
            stringBuilder.Append(text[i + 1]);
            ++i;
        }
    }
    return stringBuilder.ToString();
}

这是上面方法RemoveInvalidXmlChars的优化版本，它不会在每次调用时创建新的数组，从而不必要地加重GC：

public static string RemoveInvalidXmlChars(string text)
{
    if (text == null)
        return text;
    if (text.Length == 0)
        return text;
    // a bit complicated, but avoids memory usage if not necessary
    StringBuilder result = null;
    for (int i = 0; i < text.Length; i++)
    {
        var ch = text[i];
        if (XmlConvert.IsXmlChar(ch))
        {
            result?.Append(ch);
        }
        else if (result == null)
        {
            result = new StringBuilder();
            result.Append(text.Substring(0, i));
        }
    }
    if (result == null)
        return text; // no invalid xml chars detected - return original text
    else
        return result.ToString();
}

// Replace invalid characters with empty strings.
   Regex.Replace(inputString, @"[^'w'.@-]", ""); 

正则表达式模式[^''w.@-]匹配任何不是单词字符、句点、@符号或连字符的字符。单词字符是任何字母、十进制数字或标点符号连接符，如下划线。任何与此模式匹配的字符都将替换为String.Empty，这是替换模式定义的字符串。若要在用户输入中允许其他字符，请将这些字符添加到正则表达式模式中的字符类中。例如，正则表达式模式[^''w.@-''%]还允许在输入字符串中使用百分比符号和反斜杠。

Regex.Replace(inputString, @"[!@#$%_]", "");

也参考这个：

从XML名称标记中删除无效字符-RegEx C#

下面是一个从指定的XML字符串中删除字符的函数：

using System;
using System.IO;
using System.Text;
using System.Text.RegularExpressions;
namespace XMLUtils
{
    class Standards
    {
        /// <summary>
        /// Strips non-printable ascii characters 
        /// Refer to http://www.w3.org/TR/xml11/#charsets for XML 1.1
        /// Refer to http://www.w3.org/TR/2006/REC-xml-20060816/#charsets for XML 1.0
        /// </summary>
        /// <param name="content">contents</param>
        /// <param name="XMLVersion">XML Specification to use. Can be 1.0 or 1.1</param>
        private void StripIllegalXMLChars(string tmpContents, string XMLVersion)
        {    
            string pattern = String.Empty;
            switch (XMLVersion)
            {
                case "1.0":
                    pattern = @"#x((10?|[2-F])FFF[EF]|FDD[0-9A-F]|7F|8[0-46-9A-F]9[0-9A-F])";
                    break;
                case "1.1":
                    pattern = @"#x((10?|[2-F])FFF[EF]|FDD[0-9A-F]|[19][0-9A-F]|7F|8[0-46-9A-F]|0?[1-8BCEF])";
                    break;
                default:
                    throw new Exception("Error: Invalid XML Version!");
            }
            Regex regex = new Regex(pattern, RegexOptions.IgnoreCase);
            if (regex.IsMatch(tmpContents))
            {
                tmpContents = regex.Replace(tmpContents, String.Empty);
            }
            tmpContents = string.Empty;
        }
    }
}

如果只为XML标记内部使用的字符串转义无效的XML字符，则可以执行类似的简单操作。

当您不使用XML库时，这是有效的。

public string EscapeXMLCharacters (string target)
{
    return
        target
            .Replace("&", "&")
            .Replace("<", "&lt;")
            .Replace(">", "&gt;")
            .Replace("'"", "&quot;")
            .Replace("'", "&apos;");
}

你可以这样称呼它：

public string GetXMLBody(string content)
{
    return @"<input>" + EscapeXMLCharacters(content) + "</input>";
}

string XMLWriteStringWithoutIllegalCharacters(string UnfilteredString)
{
    if (UnfilteredString == null)
        return string.Empty;
    return XmlConvert.EncodeName(UnfilteredString);
}
string XMLReadStringWithoutIllegalCharacters(string FilteredString)
{
    if (UnfilteredString == null)
        return string.Empty;
    return XmlConvert.DecodeName(UnfilteredString);
}