如何使用 XmlSerializer 反序列化包含 \u0000 的 XML 文件？

Question

我对 XmlSerializer 有疑问。在我巨大的 XML 文件中，有一些空字符 (\u0000)，所以 XmlSerializer (Deserializer) 给我一个错误。我发现我需要将 Normalization 设置为 false（通过：https://msdn.microsoft.com/en-us/library/aa302290.aspx），所以我尝试了这个：

XmlSerializer deserializer = new XmlSerializer(typeof(T));
XmlTextReader reader = new XmlTextReader(filename);
reader.Normalization = false;
return (T)deserializer.Deserialize(reader);

我也尝试了第二种可能性，当我使用 XmlReader 时，因为 MSDN 也建议我尝试将 CheckCharacters 设置为 false，如下所示：

 XmlSerializer deserializer = new XmlSerializer(typeof(T));
 XmlReaderSettings settings = new XmlReaderSettings() { CheckCharacters = false }; 
 using (XmlReader reader = XmlReader.Create(filename, settings))
 {
       return (T)deserializer.Deserialize(reader);
 }

`

但是两种解决方案都给我相同的结果：XML 中的行和列上的 InvalidOperationException 空字符在哪里。

你能给我一些建议吗？我需要 "load" XML 结构到我定义的 class。没有这些字符的行它工作正常。

谢谢！ :)

编辑： 我忘了说，我试过将内容加载到字符串并更新字符串，但是插入的内容太大，所以我得到 System.OutOfMemoryException 如果我尝试逐行解析文件，它会太慢。 :(

Answer 1

您可以转至 reader 级别 - subclass TextReader class 执行清理并将其提取到 XmlSerializer.

var deserializer = new XmlSerializer(typeof(T));
T instance;
using(var cleanupTextReader = new CleanupTextReader(reader)) {
  instance = deserializer.Deserialize(cleanupTextReader);
}

其中 CleanupTextReader 类似于：

internal sealed class CleanupTextReader : TextReader
{
    private TextReader _in;

    internal CleanupTextReader(TextReader t)
    {
        _in = t;
    }

    public override void Close()
    {
        _in.Close();
    }

    protected override void Dispose(bool disposing)
    {
        if (disposing)
        {
            ((IDisposable) _in).Dispose();
        }
    }

    public override int Peek()
    {
        return _in.Peek();
    }

    public override int Read()
    {
        while(true)
        {
            var result = _in.Read();
            if (result != '\u0000')
            {
                return result;
            }
        }
    }

    private string CleanupString(string value)
    {
        if (string.IsNullOrEmpty(value) || value.IndexOfAny(new char['\u0000']) < 0)
        {
            return value;
        }
        var builder = new StringBuilder(value.Length);
        foreach (var ch in value)
        {
            if (ch != '\u0000')
            {
                builder.Append(ch);
            }
        }
        return builder.ToString();
    }

    private int CleanupBuffer(char[] buffer, int index, int count)
    {
        int adjustedCount = count;
        if (count > 0)
        {
            var readIndex = index;
            var writeIndex = index;
            while (readIndex < index + count)
            {
                var ch = buffer[readIndex];
                readIndex++;
                if (ch == '\u0000')
                {
                    adjustedCount--;
                }
                else
                {
                    buffer[writeIndex] = ch;
                    writeIndex++;
                }
            }
        }
        return adjustedCount;
    }

    public override int Read(char[] buffer, int index, int count)
    {
        while (true)
        {
            int reallyRead = _in.Read(buffer, index, count);
            if (reallyRead <= 0)
            {
                return reallyRead;
            }

            int cleanRead = CleanupBuffer(buffer, index, reallyRead);
            if (cleanRead != 0)
            {
                return cleanRead;
            }
        }
    }

    public override int ReadBlock(char[] buffer, int index, int count)
    {
        while (true)
        {
            int reallyRead = _in.ReadBlock(buffer, index, count);
            if (reallyRead <= 0)
            {
                return reallyRead;
            }

            int cleanRead = CleanupBuffer(buffer, index, reallyRead);
            if (cleanRead != 0)
            {
                return cleanRead;
            }
        }
    }

    public override string ReadLine()
    {
        return CleanupString(_in.ReadLine());
    }

    public override string ReadToEnd()
    {
        return CleanupString(_in.ReadToEnd());
    }
}

如何使用 XmlSerializer 反序列化包含 \u0000 的 XML 文件？

How to deserialize an XML file containing an \u0000 using XmlSerializer?

c#

xml

serialization

xmlserializer

xmlreader