C#XmlWriter和无效的UTF8字符

Question

我们创建了一个单元测试,它使用以下方法生成随机UTF8文本:

        private static Random _rand = new Random(Environment.TickCount);

        public static byte CreateByte()
        {
            return (byte)_rand.Next(byte.MinValue, byte.MaxValue + 1);
        }

        public static byte[] CreateByteArray(int length)
        {
            return Repeat(CreateByte, length).ToArray();
        }

        public static string CreateUtf8String(int length)
        {
            return Encoding.UTF8.GetString(CreateByteArray(length));
        }

        private static IEnumerable<T> Repeat<T>(Func<T> func, int count)
        {
            for (int i = 0; i < count; i++)
            {
                yield return func();
            }
        }

在将随机UTF8字符串发送到我们的业务逻辑时,XmlWriter会写入生成的字符串,并且可能会因错误而失败:

Test method UnitTest.Utf8 threw exception: 
System.ArgumentException: ' ', hexadecimal value 0x0E, is an invalid character.

System.Xml.XmlUtf8RawTextWriter.InvalidXmlChar(Int32 ch, Byte* pDst, Boolean entitize)
System.Xml.XmlUtf8RawTextWriter.WriteAttributeTextBlock(Char* pSrc, Char* pSrcEnd)
System.Xml.XmlUtf8RawTextWriter.WriteString(String text)
System.Xml.XmlUtf8RawTextWriterIndent.WriteString(String text)
System.Xml.XmlWellFormedWriter.WriteString(String text)
System.Xml.XmlWriter.WriteAttributeString(String localName, String value)

我们希望支持传入任何可能的字符串,并且需要以某种方式转义这些无效字符.

XmlWriter已经逃脱了诸如&,<,>之类的东西,我们如何处理其他无效字符,如控制字符等？

PS - 让我知道我们的UTF8发生器是否有缺陷(我已经看到我不应该让它生成'\ 0')

Answer 1

该XmlConvert类有很多为确保您构建有效的XML有用的方法(如EncodeName,IsXmlChar,...).

Answer 2

你的UTF-8发生器似乎有缺陷.有许多字节序列是无效的UTF-8编码.

生成有效随机UTF-8编码的更好方法是生成随机字符,将它们放入字符串中,然后将字符串编码为UTF-8.

Answer 3

有两个问题:

1. 并非所有字符都对XML有效,甚至是转义.对于XML 1.0,Unicode代码点值小于0x0020且有效的唯一字符是TAB(	),LF(
)和CR(
).请参见XML 1.0,第2.2节,字符.

   对于相对较少的系统支持的XML 1.1,除了NUL可以以这种方式转义之外的任何字符.

2. 并非所有字节序列都对UTF-8有效.例如,根据规范,"八位字节值C0,C1,F5到FF永远不会出现".可能你最好只创建String字符并忽略UTF-8,或者创建它String,将其转换为UTF-8并返回,如果你真的进行编码.