代码之家 › 专栏 › 技术社区 › Matt Mills

UTF-8物料清单上的XmlReader中断

byte-order-mark xmlreader utf-8 c#

Matt Mills · 技术社区 · 14 年前

我的应用程序中有以下XML分析代码:

    public static XElement Parse(string xml, string xsdFilename)
    {
        var readerSettings = new XmlReaderSettings
        {
            ValidationType = ValidationType.Schema,
            Schemas = new XmlSchemaSet()
        };
        readerSettings.Schemas.Add(null, xsdFilename);
        readerSettings.ValidationFlags |= XmlSchemaValidationFlags.ProcessInlineSchema;
        readerSettings.ValidationFlags |= XmlSchemaValidationFlags.ProcessSchemaLocation;
        readerSettings.ValidationFlags |= XmlSchemaValidationFlags.ReportValidationWarnings;
        readerSettings.ValidationEventHandler +=
            (o, e) => { throw new Exception("The provided XML does not validate against the request's schema."); };

        var readerContext = new XmlParserContext(null, null, null, XmlSpace.Default, Encoding.UTF8);

        return XElement.Load(XmlReader.Create(new StringReader(xml), readerSettings, readerContext));
    }

我正在使用它将发送到我的WCF服务的字符串解析为XML文档,以便自定义反序列化。

当我读取文件并通过网络发送它们(请求)时,它工作得很好;我已经验证了BOM没有被发送过。在我的请求处理程序中,我正在序列化一个响应对象,并将其作为字符串发送回来。序列化过程在字符串的前面添加了一个utf-8bom,这会导致解析响应时相同的代码中断。

System.Xml.XmlException : Data at the root level is invalid. Line 1, position 1.

在我过去一小时左右所做的研究中,似乎xmlReader应该尊重这个BOM。如果我手动从字符串前面移除BOM,那么响应XML会很好地进行解析。

我是在错过一些明显的东西,还是至少是一些阴险的东西?

编辑: 下面是我用来返回响应的序列化代码:

private static string SerializeResponse(Response response)
{
    var output = new MemoryStream();
    var writer = XmlWriter.Create(output);
    new XmlSerializer(typeof(Response)).Serialize(writer, response);
    var bytes = output.ToArray();
    var responseXml = Encoding.UTF8.GetString(bytes);
    return responseXml;
}

如果只是XML错误地包含了BOM,那么我将切换到

var responseXml = new UTF8Encoding(false).GetString(bytes);

但从我的研究中还不清楚,BOM在实际的XML字符串中是非法的;请参见例如。 c# Detect xml encoding from Byte Array?

4 回复 | 直到 14 年前

Lucero 14 年前

XML字符串不能为(!)包含bom,bom只允许在字节数据(例如流)中使用utf-8编码。这是因为字符串表示形式不是编码的,而是已经是一个Unicode字符序列。

因此,您似乎错误地加载了字符串,这是您不幸没有提供的代码。

编辑:

感谢您发布序列化代码。

您不应该将数据写入memoryStream,而应该写入一个StringWriter,然后可以用ToString将其转换为字符串。由于这避免了通过字节表示,因此不仅速度更快,而且还避免了此类问题。

像这样:

private static string SerializeResponse(Response response)
{
    var output = new StringWriter();
    var writer = XmlWriter.Create(output);
    new XmlSerializer(typeof(Response)).Serialize(writer, response);
    return output.ToString();
}

jonp 14 年前

在我的请求处理程序中,我正在序列化一个响应对象,并将其作为字符串发送回来。序列化过程在字符串的前面添加了一个utf-8bom,这会导致解析响应时相同的代码中断。

因此,您希望防止在序列化过程中添加BOM。不幸的是,您没有提供序列化逻辑是什么。

你应该做的是提供 UTF8Encoding 通过创建实例 UTF8Encoding(bool) 用于禁用生成物料清单的构造函数,并传递此 Encoding 实例到正在使用的生成中间字符串的方法。

SLaks 14 年前

物料清单一开始不应该在字符串中。
BOM用于检测原始字节数组的编码;它们没有实际字符串中的业务。

这根绳子是什么?
你可能是用错误的编码读的。

Stephen Cleary 14 年前

C中的字符串编码为UTF-16,因此BOM将是错误的。作为一般规则,总是将XML编码为字节数组,并从字节数组对其进行解码。