如何去除Tally XML科目导出响应中的特殊字符

反序列化Tally导出的科目XML响应时，出现XmlException: '', 十六进制值0x04是无效字符错误，根源是<PARENT>元素中包含（对应ASCII控制字符0x04）——这类控制字符不符合XML规范，导致反序列化失败。以下是几种可行的解决方法：

方法一：预处理XML字符串，过滤无效控制字符 #

先读取响应内容为字符串，通过正则表达式移除XML不允许的控制字符（仅保留制表符、换行、回车），再进行反序列化：

var responseContent = await response.Content.ReadAsStringAsync();
// 过滤XML无效控制字符（0x00-0x08、0x0B、0x0C、0x0E-0x1F）
var cleanedContent = Regex.Replace(responseContent, @"[\x00-\x08\x0B\x0C\x0E-\x1F]", string.Empty);

// 使用清理后的内容创建流反序列化
using var stream = new MemoryStream(Encoding.UTF8.GetBytes(cleanedContent));
XmlSerializer serializer = new XmlSerializer(typeof(Ledgers));
var ledgers = (Ledgers?)serializer.Deserialize(stream);

方法二：自定义XmlTextReader处理无效字符 #

创建继承自XmlTextReader的自定义阅读器，在读取元素文本时过滤无效字符，避免修改整个XML结构：

public class CleanXmlReader : XmlTextReader
{
    public CleanXmlReader(Stream stream) : base(stream) { }

    public override string ReadString()
    {
        var rawValue = base.ReadString();
        // 移除文本中的无效控制字符
        return Regex.Replace(rawValue, @"[\x00-\x08\x0B\x0C\x0E-\x1F]", string.Empty);
    }
}

使用自定义阅读器反序列化：

using var stream = await response.Content.ReadAsStreamAsync();
using var cleanReader = new CleanXmlReader(stream);
XmlSerializer serializer = new XmlSerializer(typeof(Ledgers));
var ledgers = (Ledgers?)serializer.Deserialize(cleanReader);

方法三：从源头修改Tally导出配置（优先推荐） #

如果有权限调整Tally的导出TDL，可以直接在获取Parent字段时过滤特殊字符，从根源避免无效字符输出：

<FIELD ISMODIFY="NO" ISFIXED="NO" ISINITIALIZE="NO" ISOPTION="NO" ISINTERNAL="NO" NAME="CA_PARENT">
    <SET>$PARENT</SET>
    <!-- 添加控制字符过滤逻辑 -->
    <FORMAT>$$Str:Replace($PARENT, Chr(4), "")</FORMAT>
    <XMLTAG>PARENT</XMLTAG>
</FIELD>

总结 #

• 若能修改Tally的TDL配置，优先选择方法三，从源头解决问题；
• 无法修改导出配置时，方法一和方法二均可有效过滤无效字符，确保反序列化正常执行。

内容的提问来源于stack exchange，提问作者Ammar Haider