来自Word +创建XML文档 - >十六进制值0x0c的粘贴，是一个无效的字符（.net）

StackOverflow https://stackoverflow.com/questions/2874330

题

我有一个网页，可以接受用户的HTML输入。输入使用该输入转换为XML文档 System.Xml 名称空间，这样：

var doc = new XmlDocument();
doc.AppendChild(doc.CreateElement("root"));
doc.DocumentElement.SetAttribute("BodyHTML", theTextBox.Text);

之后XSL转换（System.Xml.Xsl.XslCompiledTransform）用于数据。

用户倾向于用子弹，报价等在Microsoft Word中写文本。粘贴到我的页面时，他们的文本包括无效字符，例如0x0C，0x03等。当使用XSL变换时，此误差发生“十六进制值0x0c，是无效的字符”。

到目前为止，我的修复是消除我发现令人反感的角色，使用循环和 String.Replace：除9、10和13以外，所有字符均取代 String.Empty.

我正在寻找的是一种更好的方法。内置.NET方法？也许只是非法Unicode字符的完整列表。

有帮助吗？

解决方案

找到了有两个做同一件事的答案

  1. http://seattlesoftware.wordpress.com/2008/09/11/hexadecimal-value-0-is-is-an-in-invalid-character/
  2. http://www.theplancollection.com/house-plan-realated-Articles/hexadecimal-value-invalid-character

第一个使用StringBuilder，通过字符逐一循环并滤除非法字符。第二个使用正则和替代来完成同一件事。两位作者都研究了XML标准，以找出哪些字符是非法的。

我在一个长字符串（1.8 MB文件运行1,000次）和一个短字符串（“ Hello World”运行10,000,000次）上进行了一些时间。 StringBuilder方法的速度比正则速度快3倍。当然，与我链接的代码不同，这条正则是一次编译一次。

长字符串：

CleanInvalidXmlChars time: 00:00:07.4356230
SanitizeXmlString    time: 00:00:02.3703305

短字符串：

CleanInvalidXmlChars time: 00:00:05.2805834
SanitizeXmlString    time: 00:00:01.8319114
许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top