在.NET中使用XmlReader取消XML实体？

Question

我试图在.NET(C#)中的字符串中删除XML实体,但我似乎没有让它正常工作.

例如,如果我有字符串AT&T,则应将其翻译为AT&T.

一种方法是使用HttpUtility.HtmlDecode(),但这是用于HTML.

所以我有两个问题:

1. 使用HttpUtility.HtmlDecode()解码XML实体是否安全？

2. 我如何使用XmlReader(或类似的东西)来做到这一点？我尝试了以下,但总是返回一个空字符串:

   static string ReplaceEscapes(string text)
   {
       StringReader reader = new StringReader(text);
   
       XmlReaderSettings settings = new XmlReaderSettings();
   
       settings.ConformanceLevel = ConformanceLevel.Fragment;
   
       using (XmlReader xmlReader = XmlReader.Create(reader, settings))
       {
           return xmlReader.ReadString();
       }
   }
   

Answer 1

HTML转义和XML密切相关.正如你所说,HttpUtility既有HtmlEncode和HtmlDecode方法.这些也将在XML操作,因为有需要逃避只有少数实体:<,>,\,'和&在HTML和XML.

使用HttpUtility该类的缺点是你需要一个System.Webdll 的引用,这也带来了许多你可能不想要的东西.

特别是对于XML,SecurityElement该类有一个Escape方法可以进行编码,但没有相应的Unescape方法.因此,您有几个选择:

1. 使用HttpUtility.HtmlDecode()和提出参考System.Web

2. 滚动你自己的解码方法来处理特殊字符(因为只有少数 - 看看SecurityElementReflector 中的静态构造函数来查看完整列表)

3. 使用(hacky)解决方案,如:

.

    public static string Unescape(string text)
    {
        XmlDocument doc = new XmlDocument();
        string xml = string.Format("<dummy>{0}</dummy>", text);
        doc.LoadXml(xml);
        return doc.DocumentElement.InnerText;
    }

就个人而言,我会使用,HttpUtility.HtmlDecode()如果我已经有一个参考System.Web,或者如果没有我自己.我不喜欢你的XmlReader方法Disposable,这通常表明它正在使用需要处理的资源,因此可能是一项代价高昂的操作.

Answer 2

你的#2解决方案可以工作,但你需要先调用xmlReader.Read();(或xmlReader.MoveToContent();)ReadString.

我认为#1也是可以接受的,即使有一些边缘情况,例如®哪个是有效的HTML实体,但不是XML实体 - 你的unescaper应该怎么做呢？将异常作为正确的XML解析器抛出,或者只是像HTML解析器那样返回"®"？