.NET 8.0中xs:token元素未自动规范化空白字符？

我使用C#和.NET 8.0.6开发，定义了一个XSD，其中root元素的类型为xs:token。按照xs:token的定义，它应该自动去除内容前后的空白，但验证包含前后空白的实例文档后，这些空白却被保留了下来，不符合预期。

XSD内容 #

<?xml version='1.0'?>

<xs:schema
    targetNamespace = "http://example.org/scratch"
    xmlns           = "http://example.org/scratch"
    xmlns:xs        = "http://www.w3.org/2001/XMLSchema">

<xs:element name="root" type="xs:token"/>

</xs:schema>

实例文档内容 #

<?xml version='1.0'?>

<pre:root xmlns:pre="http://example.org/scratch">   abc   </pre:root>

执行步骤 #

• 将XSD读取为System.Xml.Schema.XmlSchema对象
• 将该架构添加到System.Xml.Schema.SchemaSet并编译
• 创建XmlReader时使用以下配置：

var xmlReaderSettings = new XmlReaderSettings
{
    CheckCharacters = true,
    DtdProcessing   = DtdProcessing.Prohibit,
    Schemas         = xmlSchemaSet,
    ValidationType  = ValidationType.Schema,
};

• 使用System.Xml.XmlDocument.Load(xmlReader)加载实例文档

加载后的结果 #

加载后的文档内容如下：

<?xml version="1.0"?>
<pre:root xmlns:pre="http://example.org/scratch">   abc   </pre:root>

XmlDocument.DocumentElement的相关属性：

• InnerXml: " abc "
• NamespaceURI: "http://example.org/scratch"
• SchemaInfo.SchemaType.TypeCode: Token

解决方法 #

问题在于XmlDocument仅负责验证内容是否符合XSD约束，不会主动根据类型规则修改文档内容，因此不会自动执行xs:token的空白规范化操作。以下是几种实现空白处理的方案：

方案1：通过XmlReader直接获取规范化值 #

XmlReader在读取符合xs:token类型的元素内容时，会自动处理空白，直接读取即可得到规范化后的值：

using (var reader = XmlReader.Create("实例文档路径", xmlReaderSettings))
{
    while (reader.Read())
    {
        if (reader.NodeType == XmlNodeType.Element && reader.LocalName == "root")
        {
            string normalizedValue = reader.ReadElementContentAsString();
            // normalizedValue 结果为"abc"，前后空白已去除
            break;
        }
    }
}

方案2：加载文档后手动规范化 #

如果需要保留文档结构，可在加载后通过SchemaInfo判断元素类型，手动执行空白处理：

XmlDocument doc = new XmlDocument();
doc.Load(reader);
XmlElement root = doc.DocumentElement;

if (root.SchemaInfo.SchemaType is XmlSchemaSimpleType simpleType && 
    simpleType.TypeCode == XmlTypeCode.Token)
{
    string normalizedValue = XmlConvert.ToString(XmlConvert.ToToken(root.InnerText));
    root.InnerText = normalizedValue;
    // 处理后root的InnerText为"abc"
}

方案3：使用XmlSerializer反序列化 #

若可以将XML反序列化为实体类，XmlSerializer会自动处理xs:token类型的空白：

[XmlRoot(Namespace = "http://example.org/scratch")]
public class Root
{
    [XmlText]
    public string Value { get; set; }
}

var serializer = new XmlSerializer(typeof(Root));
using (var reader = XmlReader.Create("实例文档路径", xmlReaderSettings))
{
    Root rootObj = (Root)serializer.Deserialize(reader);
    // rootObj.Value 结果为"abc"
}

内容的提问来源于stack exchange，提问作者voidp