OpenXML 转义非法字符

Question

我正在使用OpenXML Power Tools在 Word Docx 文件中进行一些字符串替换，并且它按预期工作。但是，当我在替换中使用无效字符（例如＆ ）时，事情就会中断，因此例如“Harry & Sally”将中断并生成无效文档。根据this post非法字符需要转换为xHHHH。

我无法找到帖子中提到的 OOXML 子句的内容，因此无法正确转义字符。

我希望有人对需要转义的字符有一些代码或见解。我也希望 OpenXML Power Tools 能以某种方式为我做这件事，但我似乎也找不到任何东西。

Answer 1

该规范只是讨论必须在 XML 中转义的标准字符集。链接帖子中提到的 XML 规范是来自 W3C 的规范，可在此处找到。

有五个字符需要在它们出现在 XML 数据中的任何位置（名称、值等）进行转义，除非它们是 CDATA 部分的一部分。根据第 2.4 节：

与符号 (&) 和左尖括号 (<) 不得以其文字形式出现，除非用作标记定界符，或者在注释、处理指令或 CDATA 部分中使用。如果在其他地方需要它们，则必须分别使用数字字符引用或字符串" & "和对它们进行转义" < "。右尖括号 (>) 可以使用 string 表示" > "，并且为了兼容性，" > "当它出现" ]]> "在内容中的字符串中时，当该字符串未标记 CDATA 部分的结尾时，必须使用或 字符引用对其进行转义。

为了允许属性值同时包含单引号和双引号，撇号或单引号字符 (') 可以表示为" ' "，双引号字符 (")可以表示为" " "。

换句话说，转义以下字符：

' -> '
" -> "
> -> >
< -> &lt;
& -> &amp;

通常，您不会将这些编码为 xHHHH，您会使用上面列出的 XML 实体，但允许使用任何一种。您也不需要在每种情况下都对引号或右尖括号进行编码，仅当它们以其他方式表示 XML 语法时才需要编码，但始终这样做通常更安全。

XML 规范还包括可以出现在 XML 文档中的每个 Unicode 字符的列表，在第 2.2 节中：

字符 ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]

该列表基本上包括基本平面中的每个 Unicode 字符（您可能会遇到的每个字符），除了控制字符。只允许使用制表符、CR 和 LF 字符——ASCII 32（空格）以下的任何其他字符都需要转义。

列表中的最大差距 (0xD800-0xDFF) 用于代理编码值，它们无论如何都不应该单独出现，因为它们不是有效字符。最后两个 0xFFFE 和 0xFFFF 也是无效字符。