C#valor hexadecimal 0x12, es un carácter no válido

regex replace (6)

Creo que x26 "&" es un personaje válido y podría ser deserializado por XML.

Para reemplazar el carácter ilegal, debemos usar:

// Replace illegal character in XML documents with blank // See here for reference http://www.w3.org/TR/xml/#charsets var regex = "[/x00-/x08/x0B/x0C/x0E-/x1F]"; xml = Regex.Replace(xml, r, String.Empty, RegexOptions.Compiled);

Estoy cargando una gran cantidad de documentos XML y algunos de ellos devuelven errores como "valor hexadecimal 0x12, es un carácter no válido" y hay caracteres diferentes. ¿Cómo eliminarlos?

La especificación XML define los caracteres válidos como este:

Como puede ver, #x12 no es un carácter válido en un documento XML.

Usted pregunta cómo eliminarlos, pero creo que esa no es la pregunta que debería hacerse. Simplemente no deberían estar presentes. Debe rechazar cualquier documento como mal formado. Simplemente eliminar los caracteres no válidos suprime el problema real.

Si está creando los documentos en cuestión, entonces necesita corregir el código que lo genera para que genere XML válido.

Simplemente actualice estas funciones con la solución mencionada proporcionada por jhon y donde tenga que actualizar, verifique estas funciones en su código. funcionará para ti lo he probado.

private static void WriteDataTableToExcelWorksheet(DataTable dt, WorksheetPart worksheetPart) { var worksheet = worksheetPart.Worksheet; var sheetData = worksheet.GetFirstChild<SheetData>(); string cellValue = ""; // Create a Header Row in our Excel file, containing one header for each Column of data in our DataTable. // // We''ll also create an array, showing which type each column of data is (Text or Numeric), so when we come to write the actual // cells of data, we''ll know if to write Text values or Numeric cell values. int numberOfColumns = dt.Columns.Count; bool[] IsNumericColumn = new bool[numberOfColumns]; string[] excelColumnNames = new string[numberOfColumns]; for (int n = 0; n < numberOfColumns; n++) excelColumnNames[n] = GetExcelColumnName(n); // // Create the Header row in our Excel Worksheet // uint rowIndex = 1; var headerRow = new Row { RowIndex = rowIndex }; // add a row at the top of spreadsheet sheetData.Append(headerRow); for (int colInx = 0; colInx < numberOfColumns; colInx++) { DataColumn col = dt.Columns[colInx]; AppendTextCell(excelColumnNames[colInx] + "1", col.ColumnName, headerRow); IsNumericColumn[colInx] = (col.DataType.FullName == "System.Decimal") || (col.DataType.FullName == "System.Int32"); } // // Now, step through each row of data in our DataTable... // double cellNumericValue = 0; foreach (DataRow dr in dt.Rows) { // ...create a new row, and append a set of this row''s data to it. ++rowIndex; var newExcelRow = new Row { RowIndex = rowIndex }; // add a row at the top of spreadsheet sheetData.Append(newExcelRow); for (int colInx = 0; colInx < numberOfColumns; colInx++) { cellValue = dr.ItemArray[colInx].ToString(); // Create cell with data if (IsNumericColumn[colInx]) { // For numeric cells, make sure our input data IS a number, then write it out to the Excel file. // If this numeric value is NULL, then don''t write anything to the Excel file. cellNumericValue = 0; if (double.TryParse(cellValue, out cellNumericValue)) { cellValue = ReplaceHexadecimalSymbols(cellNumericValue.ToString()); AppendNumericCell(excelColumnNames[colInx] + rowIndex.ToString(), cellValue, newExcelRow); } } else { // For text cells, just write the input data straight out to the Excel file. AppendTextCell(excelColumnNames[colInx] + rowIndex.ToString(), cellValue, newExcelRow); } } } } static string ReplaceHexadecimalSymbols(string txt) { string r = "[/x00-/x08/x0B/x0C/x0E-/x1F/x26]"; return Regex.Replace(txt, r, "", RegexOptions.Compiled); } private static void AppendTextCell(string cellReference, string cellStringValue, Row excelRow) { // Add a new Excel Cell to our Row Cell cell = new Cell() { CellReference = cellReference, DataType = CellValues.String }; CellValue cellValue = new CellValue(); cellValue.Text = ReplaceHexadecimalSymbols(cellStringValue); cell.Append(cellValue); excelRow.Append(cell); } private static void AppendNumericCell(string cellReference, string cellStringValue, Row excelRow) { // Add a new Excel Cell to our Row Cell cell = new Cell() { CellReference = cellReference }; CellValue cellValue = new CellValue(); cellValue.Text = ReplaceHexadecimalSymbols(cellStringValue); cell.Append(cellValue); excelRow.Append(cell); }

Gracias, avísame si necesitas ayuda adicional.

La solución Regex funciona bastante rápido incluso en documentos XML de 100 MB.

La siguiente cadena de expresión haría el trabajo.

"[/x00-/x08/x0B/x0C/x0E-/x1F]"

Hice una pequeña investigación aquí.

Aquí está la tabla ASCII. Hay 128 símbolos Aquí hay un pequeño código de prueba que agrega todos los símbolos de la tabla ASCII e intenta cargarlo como un documento XML.

static public void RegexTry() { StreamReader stream = new StreamReader(@"test.xml"); string xmlfile = stream.ReadToEnd(); stream.Close(); string text = ""; for (int i = 0; i < 128; i++ ) { char t = (char) i; text = xmlfile.Replace(''П'', t); XmlDocument xml = new XmlDocument(); try { xml.LoadXml(text); } catch (Exception ex) { Console.WriteLine("Char("+i.ToString() +"): " + t + " => error! " + ex.Message); continue; } Console.WriteLine("Char(" + i.ToString() + "): " + t + " => fine!"); } Console.ReadKey(); }

Como resultado, regresa:

Char(0): => error! ''.'', hexadecimal value 0x00, is an invalid character. Line 5, position 7. Char(1): => error! '''', hexadecimal value 0x01, is an invalid character. Line 5, position 7. Char(2): => error! '''', hexadecimal value 0x02, is an invalid character. Line 5, position 7. Char(3): => error! '''', hexadecimal value 0x03, is an invalid character. Line 5, position 7. Char(4): => error! '''', hexadecimal value 0x04, is an invalid character. Line 5, position 7. Char(5): => error! '''', hexadecimal value 0x05, is an invalid character. Line 5, position 7. Char(6): => error! '''', hexadecimal value 0x06, is an invalid character. Line 5, position 7. Char(7): => error! '''', hexadecimal value 0x07, is an invalid character. Line 5, position 7. Char(8): => error! '''', hexadecimal value 0x08, is an invalid character. Line 5, position 7. Char(9): => fine! Char(10): => fine! Char(11): => error! '''', hexadecimal value 0x0B, is an invalid character. Line 5, position 7. Char(12): => error! '''', hexadecimal value 0x0C, is an invalid character. Line 5, position 7. Char(13): => fine! Char(14): => error! '''', hexadecimal value 0x0E, is an invalid character. Line 5, position 7. Char(15): => error! '''', hexadecimal value 0x0F, is an invalid character. Line 5, position 7. Char(16): => error! '''', hexadecimal value 0x10, is an invalid character. Line 5, position 7. Char(17): => error! '''', hexadecimal value 0x11, is an invalid character. Line 5, position 7. Char(18): => error! '''', hexadecimal value 0x12, is an invalid character. Line 5, position 7. Char(19): => error! '''', hexadecimal value 0x13, is an invalid character. Line 5, position 7. Char(20): => error! '''', hexadecimal value 0x14, is an invalid character. Line 5, position 7. Char(21): => error! '''', hexadecimal value 0x15, is an invalid character. Line 5, position 7. Char(22): => error! '''', hexadecimal value 0x16, is an invalid character. Line 5, position 7. Char(23): => error! '''', hexadecimal value 0x17, is an invalid character. Line 5, position 7. Char(24): => error! '''', hexadecimal value 0x18, is an invalid character. Line 5, position 7. Char(25): => error! '''', hexadecimal value 0x19, is an invalid character. Line 5, position 7. Char(26): => error! '''', hexadecimal value 0x1A, is an invalid character. Line 5, position 7. Char(27): => error! '''', hexadecimal value 0x1B, is an invalid character. Line 5, position 7. Char(28): => error! '''', hexadecimal value 0x1C, is an invalid character. Line 5, position 7. Char(29): => error! '''', hexadecimal value 0x1D, is an invalid character. Line 5, position 7. Char(30): => error! '''', hexadecimal value 0x1E, is an invalid character. Line 5, position 7. Char(31): => error! '''', hexadecimal value 0x1F, is an invalid character. Line 5, position 7. Char(32): => fine! Char(33): ! => fine! Char(34): " => fine! Char(35): # => fine! Char(36): $ => fine! Char(37): % => fine! Char(38): => error! An error occurred while parsing EntityName. Line 5, position 8. Char(39): '' => fine! Char(40): ( => fine! Char(41): ) => fine! Char(42): * => fine! Char(43): + => fine! Char(44): , => fine! Char(45): - => fine! Char(46): . => fine! Char(47): / => fine! Char(48): 0 => fine! Char(49): 1 => fine! Char(50): 2 => fine! Char(51): 3 => fine! Char(52): 4 => fine! Char(53): 5 => fine! Char(54): 6 => fine! Char(55): 7 => fine! Char(56): 8 => fine! Char(57): 9 => fine! Char(58): : => fine! Char(59): ; => fine! Char(60): => error! The ''<'' character, hexadecimal value 0x3C, cannot be included in a name. Line 5, position 13. Char(61): = => fine! Char(62): > => fine! Char(63): ? => fine! Char(64): @ => fine! Char(65): A => fine! Char(66): B => fine! Char(67): C => fine! Char(68): D => fine! Char(69): E => fine! Char(70): F => fine! Char(71): G => fine! Char(72): H => fine! Char(73): I => fine! Char(74): J => fine! Char(75): K => fine! Char(76): L => fine! Char(77): M => fine! Char(78): N => fine! Char(79): O => fine! Char(80): P => fine! Char(81): Q => fine! Char(82): R => fine! Char(83): S => fine! Char(84): T => fine! Char(85): U => fine! Char(86): V => fine! Char(87): W => fine! Char(88): X => fine! Char(89): Y => fine! Char(90): Z => fine! Char(91): [ => fine! Char(92): / => fine! Char(93): ] => fine! Char(94): ^ => fine! Char(95): _ => fine! Char(96): ` => fine! Char(97): a => fine! Char(98): b => fine! Char(99): c => fine! Char(100): d => fine! Char(101): e => fine! Char(102): f => fine! Char(103): g => fine! Char(104): h => fine! Char(105): i => fine! Char(106): j => fine! Char(107): k => fine! Char(108): l => fine! Char(109): m => fine! Char(110): n => fine! Char(111): o => fine! Char(112): p => fine! Char(113): q => fine! Char(114): r => fine! Char(115): s => fine! Char(116): t => fine! Char(117): u => fine! Char(118): v => fine! Char(119): w => fine! Char(120): x => fine! Char(121): y => fine! Char(122): z => fine! Char(123): { => fine! Char(124): | => fine! Char(125): } => fine! Char(126): ~ => fine! Char(127): => fine!

Puede ver que hay muchos símbolos que no pueden estar en el código XML. Para reemplazarlos podemos usar Reqex.Replace

static string ReplaceHexadecimalSymbols(string txt) { string r = "[/x00-/x08/x0B/x0C/x0E-/x1F/x26]"; return Regex.Replace(txt, r,"",RegexOptions.Compiled); }

PD. Lo siento si todos supieran eso.

Este es esencialmente un caso especial de esta pregunta . Te sugiero que uses una de las respuestas de allí.