invalid xml characters

最新推荐文章于 2024-04-30 14:49:33 发布

田猿笔记

最新推荐文章于 2024-04-30 14:49:33 发布

阅读量734

点赞数

分类专栏： asp.net文章文章标签： xml string regex 正则表达式 lucene character

本文链接：https://blog.csdn.net/canduecho/article/details/4832696

版权

asp.net文章专栏收录该内容

191 篇文章 0 订阅

订阅专栏

我在开发lucene时，读xml数据。但是总是提示我invalid xml characters。

我想，我的确加了cdata 为什么还会这样呢？

后来我查了一个w3c 的资料，发现原来是unicode字符在作怪。

unicode 字符就算你用cdata包住也解决不了。

所以要过滤掉这些字符。

我查了一下，unicode特别字符大概是：

//x00-//x08
//x0b-//x0c
//x0e-//x1f

#xD800-#xDFFF

用正则表达式去remove.

代码大概是：

private string StripIllegalXMLChars(string contend, string XMLVersion) { //Remove illegal character sequences string tmpContents = contend; //File.ReadAllText(filePath, Encoding.UTF8); 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 = Regex.Replace(tmpContents, "[//x00-//x08//x0b-//x0c//x0e-//x1f]", "", RegexOptions.IgnoreCase); return tmpContents; }

参考：http://www.cnblogs.com/net205/archive/2009/03/17/1414607.html