正在从XML名称标记中删除无效字符-正则表达式C#

我从web服务中提取了一个包含xml数据的字符串。数据很难看，在xml的名称标记中有一些无效字符。例如，我可能会看到如下内容：

<Author>Scott the Coder</Author><Address#>My address</Address#>

Scott代码地址

地址名称字段中的#无效。我正在寻找一个正则表达式，它将从name标记中删除所有无效字符，但将所有字符保留在xml的Value部分。换句话说，我想使用正则表达式仅从开始名标记和结束名标记中删除字符。其他一切都应该保持不变

我还没有所有的无效字符，但这将让我开始：#{}&（）

---

有可能完成我想做的吗？

我有一个简单的表单，有两个文本区域和一个按钮。这似乎奏效了

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Text.RegularExpressions;

namespace WindowsFormsApplication3
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private void button1_Click(object sender, EventArgs e)
        {
            Regex r = new Regex(@"(?<=\<\w+)[#\{\}\(\)\&](?=\>)|(?<=\</\w+)[#\{\}\(\)\&](?=\>)");
            textBox2.Text = r.Replace(textBox1.Text, new MatchEvaluator(deleteMatch));
        }

        string deleteMatch(Match m) { return ""; }
    }
}

使用系统；
使用System.Collections.Generic；
使用系统组件模型；
使用系统数据；
使用系统图；
使用System.Linq；
使用系统文本；
使用System.Windows.Forms；
使用System.Text.RegularExpressions；
命名空间Windows窗体应用程序3
{
公共部分类Form1:Form
{
公共表格1（）
{
初始化组件（）；
}
私有无效按钮1\u单击（对象发送者，事件参数e）
{
Regex r=new Regex（@“（？Regex是一个有问题的方法，除非你真的只有一个文件要处理。痛苦、沮丧、bug是你在那里的未来

如果您真的想使用正则表达式，我在Perl中使用了一些有用的正则表达式

您考虑过使用解析器吗

需要考虑的两个问题：



解析后，您可以重新保存这些麻烦的部分，或者继续您的编程方式。
如果您只想检查Xml节点名称的有效性，我建议您查看
XmlConvert
类；尤其是
VerifyName
和
VerifyNCName
方法

还请注意，使用该类，您可以使用
EncodeName
和
EncodeLocalName
方法接受任何文本作为节点名

使用这些方法将比执行正则表达式更简单、安全和快速。
尝试以下方法：

s = Regex.Replace(s, @"[#{}&()]+(?=[^<>]*>)", "");

s=Regex.Replace（s，@“[{}&（）]+（？=[^]*>）”，“”）；

如果向前看成功，则匹配后的下一个角括号是右尖括号（
），表示匹配发生在标记内部

当然，这假定文本的格式合理，并且除了标记中的尖括号外，它不包含尖括号。
您可以使用字符串替换替换所有无效的字符。
通常ascii控制字符会在XML读取中产生问题

避免使用此功能

     public static string CleanInvalidXmlChars( this string text)
    {
        // From xml spec valid chars:
        // #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]    
        // any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
        string re = @"[^\x09\x0A\x0D\x20-\xD7FF\xE000-\xFFFD\x10000-x10FFFF]";
        return Regex.Replace(text, re, "");
    }


     xmlcontent = xmlcontent.CleanInvalidXmlChars();

这将清除正则表达式中指定的字符。
我试图避免多次搜索字符串，因为字符串可能很大。但是，如果我找不到一种干净的正则表达式方法，我将不得不花一些时间编写一个语法分析器来实现这一点。我现在更明白了。这似乎会有所帮助：（我的意思是向前看，向后看，而不是perl部分）.Ok为c#regexp找到了它们：（？=…）正向前瞻（？！…）反向前瞻（？我不确定这些字符是否对标记名有效，但如果不是，您可能无法解析xml（事实上，这可能是导致此问题的原因）。如果您可以解析它，就不必真正修复它。值得尝试使用不同的解析器。实际上，XMLDocument就是我的问题所在。当xmlDoc.LoadXml（xmlString）时，XMLDocument抛出。在通过解析器运行之前，我需要对其进行修复。除非我不知道XMLDocument的某些方面，否则我不会以这种方式使用它？？？@Kobi所有这些字符在元素名称中都是无效的。任何符合要求的XML解析器都不会接受此输入。最好避免引用“XML数据”之类的内容"。这不是XML。这就是为什么你会遇到问题。你需要让数据供应商意识到他们的输出是垃圾。是的，这就是我需要做的。没有理由在解决问题时尝试简化留言板上的内容。我应该找到做这件事的人，告诉他他是个坏孩子。这会解决我的问题em….呃，等等，不..我仍然有同样的问题…下一步！您可能希望向不允许的字符添加
$
。请注意，Verify*Name方法会引发一个异常，这将是性能命中。我认为这个正则表达式在“x10FFFF”之前缺少“\”。例如，它不会删除\x10