Quels sont les caractères non valides dans le XML

Question

Je travaille avec du XML qui contient des chaînes de caractères :

<node>This is a string</node>

Certaines des chaînes de caractères que je transmets aux nœuds contiennent des caractères tels que & , # , $ etc :

<node>This is a string & so is this</node>

Ceci n'est pas valable en raison de & .

Je ne peux pas envelopper ces chaînes dans des CDATA car elles doivent rester telles quelles. J'ai essayé de chercher une liste de caractères qui ne peuvent pas être placés dans des nœuds XML sans être dans un CDATA.

Quelqu'un peut-il m'en indiquer un ou me fournir une liste de caractères illégaux ?

Answer 1

La liste des caractères valides se trouve dans le Spécification XML :

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

Answer 2

Les seuls caractères illégaux sont & , < et > (ainsi que " ou ' dans les attributs, en fonction du caractère utilisé pour délimiter la valeur de l'attribut : attr="must use " here, ' is allowed" et attr='must use ' here, " is allowed' ).

Ils s'échappent en utilisant Entités XML dans ce cas, vous voulez & pour & .

En réalité, il est préférable d'utiliser un outil ou une bibliothèque qui écrit le XML pour vous et fait abstraction de ce genre de choses afin que vous n'ayez pas à vous en soucier.

Answer 3

Il s'agit d'un code C# permettant de supprimer les caractères XML invalides d'une chaîne et de renvoyer une nouvelle chaîne valide.

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, ""); 
}

Answer 4

Les caractères pré-déclarés sont :

& < > " '

Voir " Quels sont les caractères spéciaux dans le XML ? "pour plus d'informations.

Answer 5

Un autre moyen simple d'échapper aux caractères XML / XHTML potentiellement indésirables en C# est le suivant :

WebUtility.HtmlEncode(stringWithStrangeChars)