C#：XmlDocument与XDocument处理无效十六进制字符的差异及咨询

我们在使用XDocument处理接收的XML文档时，遇到了由XmlDocument生成的、包含十六进制实体表达式的文档，XDocument.Parse()会直接拒绝处理这类文档。

XmlDocument的表现则完全不同：它既能将传入的控制字符编码生成含十六进制实体的XML文档，也能正常解析包含这些实体的XML；而XDocument无论是创建包含控制字符的文档，还是解析含十六进制实体的文档，都会抛出异常。

示例代码 #

static void Main(string[] args)
{
    string message = "Hello, \x1EWorld!"; // 包含控制码1E的字符串

    // 这段代码正常执行 - 创建包含控制字符的XML文档
    XmlDocument xmlDoc = new XmlDocument();
    XmlElement root = xmlDoc.CreateElement("greeting");
    xmlDoc.AppendChild(root);
    root.InnerText = message;
    Console.WriteLine(xmlDoc.OuterXml);

    // 输出: <greeting>Hello, &#x1E;World!</greeting>

    // 这段代码执行失败 - XDocument创建含控制字符的文档
    try
    {
        XDocument xdoc = new XDocument(
            new XElement("greeting", message)
        );
        Console.WriteLine(xdoc.ToString());
    }
    catch (Exception ex)
    {
        Console.WriteLine($"XDocument creation error: {ex}");
    }

    // 这段代码正常执行 - XmlDocument加载含十六进制实体的XML
    string xmlWithEscapedHexEntity = xmlDoc.OuterXml; // <greeting>Hello, &#x1E;World!</greeting>
    xmlDoc = new XmlDocument();
    xmlDoc.LoadXml(xmlWithEscapedHexEntity);
    Console.WriteLine(xmlDoc.OuterXml);

    // 这段代码执行失败 - XDocument解析含十六进制实体的XML
    try
    {
        XDocument xDoc = XDocument.Parse(xmlWithEscapedHexEntity);
        Console.WriteLine(xDoc.ToString());
    }
    catch (Exception ex)
    {
        Console.WriteLine($"XDocument parse failure: {ex}");
    }

    Console.ReadLine();
}

问题解答 #

1. 如何让XDocument处理这类含十六进制实体的XML？ #

有两种可靠的方法，比正则预处理更安全：

• 用XmlDocument做中间转换：先通过XmlDocument加载XML字符串，再转换为XDocument。XmlDocument会先处理掉十六进制实体，转换后的XDocument就能正常操作：

  string xmlWithHexEntity = "<greeting>Hello, &#x1E;World!</greeting>";
  XmlDocument xmlDoc = new XmlDocument();
  xmlDoc.LoadXml(xmlWithHexEntity);
  
  using (var reader = new XmlNodeReader(xmlDoc))
  {
      XDocument xDoc = XDocument.Load(reader);
      // 后续正常操作XDocument
  }
  

• 关闭XmlReader的字符检查：创建XmlReader时设置CheckCharacters = false，这样XDocument加载时会跳过严格的字符规范检查，直接处理文档：

  XmlReaderSettings settings = new XmlReaderSettings();
  settings.CheckCharacters = false;
  
  using (XmlReader reader = XmlReader.Create(new StringReader(xmlWithHexEntity), settings))
  {
      XDocument xDoc = XDocument.Load(reader);
  }
  

  注意：关闭字符检查后，控制字符会保留在文档中，后续处理时需注意潜在问题。

  不建议用正则表达式预处理，因为XML结构复杂（比如CDATA区块、属性值等），正则容易误修改合法内容，导致XML损坏。

2. 为什么XDocument和XmlDocument有行为差异？ #

• XmlDocument的设计兼容旧场景：它是.NET早期的XML处理组件，设计时更偏向兼容性，允许处理一些不符合严格XML规范的内容。比如XML 1.0规范中禁止的控制字符（U+0000到U+001F，除了换行、回车、制表符），XmlDocument会自动编码和解码，不会抛出异常。
• XDocument严格遵循XML规范：作为LINQ to XML的核心组件，XDocument严格执行XML 1.0的规范，明确禁止这类控制字符出现在文档中（无论是直接字符还是实体引用）。一旦检测到不符合规范的内容，就会抛出异常，确保生成和解析的XML都是合法的。

内容的提问来源于stack exchange，提问作者retired