Xml 基于 XSD 在 C# 中的清理

Question

如何清理 XML 文件，删除提供的 XSD 中不存在的所有元素？

这不起作用：

public static void Main()
{
    XmlTextReader xsdReader = new XmlTextReader(@"books.xsd");
    XmlSchema schema = XmlSchema.Read(xsdReader, null);

    XmlReaderSettings settings = new XmlReaderSettings();
    settings.Schemas.Add(schema);
    settings.ValidationType = ValidationType.Schema;
    settings.ValidationEventHandler += new ValidationEventHandler(ValidationCallBack);

    XmlReader xmlReader = XmlReader.Create(@"books.xml", settings);
    XmlWriter xmlWriter = XmlWriter.Create(@"books_clean.xml");
    xmlWriter.WriteNode(xmlReader, true);
    xmlWriter.Close();
    xmlReader.Close();
}
private static void ValidationCallBack(object sender, ValidationEventArgs args)
{
    ((XmlReader)sender).Skip();
}

当我使用上面的方法时，它没有删除所有 "junk" 标签，而是只删除了第一个垃圾标签并留下了第二个。至于为什么我需要接受这个文件，我正在使用一个旧的 SQLServer 2012 实例，它需要 XML 完全匹配 XSD 即使额外的XML 中的元素未被应用程序使用。我无法控制由第三方工具提供的源 XML 和未发布的 XSD.

示例文件：
Books.xsd

<xs:schema attributeFormDefault="unqualified" elementFormDefault="qualified" xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xs:element name="bookstore">
    <xs:complexType>
      <xs:sequence>
        <xs:element name="book" maxOccurs="unbounded" minOccurs="0">
          <xs:complexType>
            <xs:sequence>
              <xs:element type="xs:string" name="title"/>
              <xs:element type="xs:float" name="price"/>
            </xs:sequence>
            <xs:attribute type="xs:string" name="genre" use="optional"/>
            <xs:attribute type="xs:string" name="ISBN" use="optional"/>
          </xs:complexType>
        </xs:element>
      </xs:sequence>
    </xs:complexType>
  </xs:element>
</xs:schema>

Books.xml

<bookstore>
  <book genre='novel' ISBN='10-861003-324'>
    <title>The Handmaid's Tale</title>
    <price>19.95</price>
    <junk>skdjgklsdg</junk>
    <junk2>skdjgklsdg</junk2>
  </book>
  <book genre='novel' ISBN='1-861001-57-5'>
    <title>Pride And Prejudice</title>
    <price>24.95</price>
    <junk>skdjgssklsdg</junk>
  </book>
</bookstore>

大部分代码复制自：Validating an XML against referenced XSD in C#

Answer 1

如果只是删除名称未出现在架构中任何位置的所有元素的问题，那么它可能是可行的，如下所述。但是，在一般情况下 (a) 这不能确保实例对模式有效（例如，元素的顺序可能错误），以及 (b) 它可能会删除模式实际允许的元素（因为通配符）。

如果去除未知元素的方法看起来有用，您可以按如下方式进行：

(a) 编写 XSLT 样式表，通过查找 xs:element[@name] 声明从架构中提取所有元素名称，生成格式为

的文档

<allowedElements>
  <allow name="book" namespace=""/>
  <allow name="isbn" namespace=""/>
</allowedElement>

(b) 编写第二个（可流式传输的）XSLT 样式表：

<xsl:transform version="3.0" xmlns:xsl="....">
  <xsl:mode on-no-match="shallow-copy" streamable="yes"/>
  <xsl:key name="k" match="allow" use="@name, @namespace" composite="yes"/>
  <xsl:template match="*[not(key('k', (local-name(), namespace-uri()), doc('allowed-elements.xml'))]"/>
</xsl:transform>

Answer 2

以下内容成功地从提供的示例中删除了所有垃圾标签。第二个 xsl:template 标签首先应用并匹配除特别列入白名单的标签之外的所有内容。然后第一个 xsl:template 标记将节点的副本写入 XmlWriter。

代码：

public static void Main()
{
    XmlReader xmlReader = XmlReader.Create("books.xml");
    XslCompiledTransform myXslTrans = new XslCompiledTransform();
    myXslTrans.Load("books.xslt");
    XmlTextWriter myWriter = new XmlTextWriter("books_clean.xml", null);
    myXslTrans.Transform(xmlReader, null, myWriter);
    xmlReader.Close();
    myWriter.Close();
}

books.xslt

<xsl:stylesheet version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:mode streamable="yes"/>
  <xsl:template match="@* | node()">
    <xsl:copy>
      <xsl:apply-templates select="@* | node()"/>
    </xsl:copy>
  </xsl:template>
  <xsl:template match="*[
  not(name()='bookstore') and
  not(name()='book') and
  not(name()='title') and
  not(name()='price')
  ]" />
</xsl:stylesheet>

Xml 基于 XSD 在 C# 中的清理

Xml Cleaning based on XSD in C#

c#

xml

xsd

xsd-validation