如何使XmlDocument尊重HTML转义序列

问题描述

| 免责声明：是的，我知道解决方案不是最佳解决方案，但事实并非如此。 我们正在创建一个大型XML文件，然后通过WCF服务对其进行服务。消费者是具有移动网关的供应商。他们拿起大文件，将其切碎以进行移动通话。 实际的创建位使用Microsoft XML对象（XmlDocument，XmlElement，XmlTextNode等），然后保存到文件系统。该服务提取文件并将其重构为XML文档并提供服务。

[OperationContract]
[Description(\"Gets all products for SnP and Systems.\")]
[WebGet(UriTemplate = \"shop/products/all?appId={appId}\")]
XmlElement GetAllProductsAsXmlDocument(string appId);

生成文件时，最终得到的文件看起来像这样：

<content>&lt;b&gt;Intel® Core™ Duo &amp; 2 GB RAM&lt;/b&gt;</content>

在浏览器中为HTML时，其外观类似于Intel®Core™Duo和2 GB RAM 。 供应商已要求在XML文档中添加文本，如下所示：

<content>&lt;b&gt;Intel&reg; Core&Trade; Duo &amp; 2 GB RAM&lt;/b&gt;</content>

如果这是一个字符串，而不是XML节点中的文本，那么我可以轻松地做到这一点：

string hackedString = HttpUtility.HtmlEncode(nonHackedTextFromXmlNode);

但是编码，然后将其作为TextNode打入XmlDocument会产生：

<content>&lt;b&gt;Intel® Core™ Duo &amp; 2 GB RAM&lt;/b&gt;</content>

因此，Microsoft Xml可以识别某些转义的HTML序列，并将其转换为XML规范中找到的版本。通过手动编码，我也可以以＆amp; amp;结尾。和＆＃174; （一个乱七八糟的®，如174个十进制==®），但是如果识别出该符号已进入XML文档，则在装入转义版本时，其外观如上。 问题是，是否存在可以与.NET XmlDocument一起使用的某些独特类型的编码或设置或\“ other \”，以生成自动尊重HTML编码规则的节点？ 如果无法完成，那很好。我已经提出了两种可能性： 创建CDATA节点而不是标准文本节点，因此不会更改编码 保存文件后转换字符，并在WCF服务中将其作为字符串（而不是XmlDocument）使用。 让供应商将数据转换为HTML转义的字符串 有什么想法吗？ 附加信息： 根据建议，添加了HTML DTD：

string dtdLink = \"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd\"; 
string dtdDef = \"-//W3C//DTD XHTML 1.0 Transitional//EN\"
XmlDocumentType docType = htmlDoc.CreateDocumentType(\"html\",dtdDef,dtdLink,null);
htmlDoc.AppendChild(docType);

仍添加额外的＆amp;到输出。可以尝试其他HTML DTD，但是我很快就没时间了。谢谢。     

解决方法

        总体而言，问题是Microsoft纠正了许多问题。 CDATA避免了一些更正。请注意，此更正是正确的，如果供应商为其UTF-8设置了解析器，则不会有任何问题。有时您只需要说“这就是它”。 所采用的解决方案是在处理流水线的末尾添加一个擦洗“过滤器”。令人讨厌的解决方案，因为它不能正确解决问题，并且客户端（内部）现在希望对所有服务进行过滤。 正确的解决方案是让供应商尊重UTF-8，因此我们不必擦洗完全有效的字符。不幸的是，与许多项目一样，时间比质量更重要。