Удаление непечатаемых символов из текста XML (или любой строки)

Question

Удаление непечатаемых символов из текста XML (или любой строки)

1

Я получаю XML-документ от компании, и в нем есть встроенные вкладки, новые строки и другой ненужный мусор. Есть ли какой-то метод в структуре, который возьмет такую строку и удалит эти нежелательные символы? Некоторые скриншоты ниже, это не артефакты отладчика/визуализатора, поскольку они действительно вступают в игру, когда я делаю строки сравнения

Пример №1:

Пример №2:

FWIW эти XML-документы поступают из UTF8, кодирующего ответ на веб-запрос.

EDIT 2014-09-03 20:20 IST

В ответ на комментарии ниже от @CodeCaster я загружаю значения (в форме NameValueCollection), используя экземпляр WebClient. response возвращается ко мне, и я делаю следующее:

string reply = System.Text.Encoding.UTF8.GetString(response);
XmlNamespaceManager xmlNamespaceManager = new XmlNamespaceManager(new NameTable());
xmlNamespaceManager.AddNamespace("xsi", "http://www.w3.org/2001/XMLSchema-instance");
XmlDocument xmlDocument = new XmlDocument();
xmlDocument.LoadXml(reply);

Именно этот xmlDocument имеет оскорбительные символы во всем

noonand 03 сен. 2014, в 18:15

Источник

0

System.String.Replace () кажется хорошим выбором.
Jay 03 сен. 2014, в 15:46
2

«Я получаю документ XML» - пожалуйста, покажите этот код. - @Да нет, не совсем, непечатные символы могут быть законными в определенных местах.
CodeCaster 03 сен. 2014, в 15:46
1

для пояснения я не хотел предлагать использовать замену строки в документе XML. Используйте его для содержимого узлов, когда вы используете документ.
Jay 03 сен. 2014, в 15:49
0

иногда использование XDocument.Parse () работает, когда XMLDocument.Load () не работает.
DidIReallyWriteThat 03 сен. 2014, в 15:50
1

Вы хотите, чтобы вкладки приводили хотя бы к одному пробелу между словами? Newlines? Бросать «непечатный мусор» может не то, что вы действительно хотите. Или просто используйте String.RemoveUnwanted(mindRead: 42); ,
HABO 03 сен. 2014, в 15:51
0

Если они всегда идут в начале и в конце строки, вы можете просто использовать String.Trim() .
wdosanjos 03 сен. 2014, в 15:52
0

@CodeCaster Смотрите расширение вопроса выше, HTH
noonand 03 сен. 2014, в 19:25
0

@Jay Итак, сегодня это табуляция и новые строки, нужно вызывать String.Replace для каждого типа непечатного символа
noonand 03 сен. 2014, в 19:29
0

@HABO String.RemoveUnwanted () звучит круто! Приходя в v5 фреймворка, я слышу ;-) Посмотрите строку даты выше в # 2 и обратите внимание, как есть промежуток между ее частями даты и времени? Это был бы конкретный пример того, что я хотел бы оставить при удалении строк и вкладок
noonand 03 сен. 2014, в 19:32
0

@wdosanjos Я не уверен, что они появляются только в начале и в конце строки. В двух приведенных выше примерах это может быть так.
noonand 03 сен. 2014, в 19:34

Показать ещё 8 комментариев

Теги:

c#

xml

.net

1 ответ

Ещё вопросы

System.String.Replace () кажется хорошим выбором.
«Я получаю документ XML» - пожалуйста, покажите этот код. - @Да нет, не совсем, непечатные символы могут быть законными в определенных местах.
для пояснения я не хотел предлагать использовать замену строки в документе XML. Используйте его для содержимого узлов, когда вы используете документ.
иногда использование XDocument.Parse () работает, когда XMLDocument.Load () не работает.
Вы хотите, чтобы вкладки приводили хотя бы к одному пробелу между словами? Newlines? Бросать «непечатный мусор» может не то, что вы действительно хотите. Или просто используйте String.RemoveUnwanted(mindRead: 42); ,
Если они всегда идут в начале и в конце строки, вы можете просто использовать String.Trim() .
@CodeCaster Смотрите расширение вопроса выше, HTH
@Jay Итак, сегодня это табуляция и новые строки, нужно вызывать String.Replace для каждого типа непечатного символа
@HABO String.RemoveUnwanted () звучит круто! Приходя в v5 фреймворка, я слышу ;-) Посмотрите строку даты выше в # 2 и обратите внимание, как есть промежуток между ее частями даты и времени? Это был бы конкретный пример того, что я хотел бы оставить при удалении строк и вкладок
@wdosanjos Я не уверен, что они появляются только в начале и в конце строки. В двух приведенных выше примерах это может быть так.

Tomalak · Accepted Answer · 2014-09-03T13-50-00.000Z

Это тривиальная задача для XSLT.

Эта таблица стилей XSLT нормализует (удаляет лишние пробелы) всех текстовых узлов из входного документа XML, оставляя все остальное нетронутым.

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

  <xsl:template match="node() | @*">
    <xsl:copy>
      <xsl:apply-templates select="node() | @*" />
    </xsl:copy>
  </xsl:template>

  <xsl:template match="text()">
    <xsl:value-of select="normalize-space()" />
  </xsl:template>

</xsl:stylesheet>

Используйте класс XslCompiledTransform чтобы применить его к входному XML.

Имейте в виду, что пробелы иногда могут иметь смысл. Все это может быть контрпродуктивным.

Если вы сомневаетесь, примените выражение соответствия (<xsl:template match="text()">) к чему-то более конкретному (например, <xsl:template match="message//text()"> или <xsl:template match="status/text()">) влияет только на те текстовые узлы, которые вы действительно хотите выправить.

Конечно, вы можете добиться такого же эффекта, применив регулярное выражение к строящемуся значению после того, как вы извлекли его из документа:

return Regex.Replace(value, @"\s+", " ").Trim();

Использование XSLT для очистки входного XML вверх на одном шаге может быть более удобным.

Я прошу прощения за задержку в принятии этого, но я решил взломать эту проблему. При повторном рассмотрении я использовал суть идеи в этом действительно великолепном ответе. Спасибо за потраченное время, чтобы написать это!