如何在SSIS项目中检测并修复缺失<DATA>标签的无效XML？

针对你遇到的XML文件缺失<DATA>标签的问题，下面提供两种可行的实现方案，重点推荐C#脚本任务的方式，因为它能精准定位异常行并灵活处理格式问题。

一、SSIS原生组件组合方案 #

如果倾向于用SSIS自带组件实现，可按以下流程配置：

• 平面文件源：将XML文件按文本行读取（注意设置正确编码避免乱码）
• 脚本组件（转换）：添加到数据流中，逐行检查是否包含<DATA>开头和</DATA>结尾的标签，标记异常行并补全标签
• 条件拆分：分离正常行和已修正的异常行
• 联合所有：合并两类行，还原XML结构
• 平面文件目标：将修正后的内容写入新的XML文件

这种方案适合简单场景，但定位异常行的灵活性不如脚本任务。

二、C#脚本任务实现（推荐） #

脚本任务能直接控制读取、检查、修正的全流程，还能精准记录异常行号，步骤如下：

1. 准备SSIS变量 #

先在包中创建3个变量（按需调整）：

• User::SourceXmlPath：字符串类型，存储待处理的XML文件路径
• User::DestXmlPath：字符串类型，存储修正后的XML文件输出路径
• User::ErrorLineNumber：整数类型，用于记录缺失标签的行号（可选）

2. 添加并配置脚本任务 #

• 在控制流中添加脚本任务，将上述变量添加到ReadOnlyVariables（SourceXmlPath）和ReadWriteVariables（DestXmlPath、ErrorLineNumber）
• 点击「编辑脚本」，替换默认代码为以下逻辑：

using System;
using System.IO;
using Microsoft.SqlServer.Dts.Runtime;

namespace ST_XmlTagFix
{
    [Microsoft.SqlServer.Dts.Tasks.ScriptTask.SSISScriptTaskEntryPointAttribute]
    public partial class ScriptMain : Microsoft.SqlServer.Dts.Tasks.ScriptTask.VSTARTScriptObjectModelBase
    {
        public void Main()
        {
            string sourcePath = Dts.Variables["User::SourceXmlPath"].Value.ToString();
            string destPath = Dts.Variables["User::DestXmlPath"].Value.ToString();
            int errorLine = 0;
            bool fireAgain = true;

            // 逐行读取并处理，大文件建议用StreamReader替代ReadAllLines
            using (StreamReader reader = new StreamReader(sourcePath))
            using (StreamWriter writer = new StreamWriter(destPath))
            {
                string line;
                int lineNum = 0;
                bool inCatalog = false;

                while ((line = reader.ReadLine()) != null)
                {
                    lineNum++;
                    string trimmedLine = line.Trim();

                    // 识别根标签范围，只处理<catalog>内部的行
                    if (trimmedLine.StartsWith("<catalog>"))
                    {
                        inCatalog = true;
                        writer.WriteLine(line);
                        continue;
                    }
                    if (trimmedLine.StartsWith("</catalog>"))
                    {
                        inCatalog = false;
                        writer.WriteLine(line);
                        continue;
                    }
                    // 直接保留XML声明和其他非数据行
                    if (trimmedLine.StartsWith("<?xml") || !inCatalog)
                    {
                        writer.WriteLine(line);
                        continue;
                    }

                    // 检查DATA标签完整性
                    bool hasStart = trimmedLine.StartsWith("<DATA>");
                    bool hasEnd = trimmedLine.EndsWith("</DATA>");

                    if (hasStart && hasEnd)
                    {
                        writer.WriteLine(line);
                    }
                    else
                    {
                        errorLine = lineNum;
                        // 保留原行的前后空格，只对内容部分补全标签
                        string content = trimmedLine;
                        string correctedLine = line.Replace(content, $"<DATA>{content}</DATA>");
                        writer.WriteLine(correctedLine);
                        // 输出日志提示
                        Dts.Events.FireInformation(0, "XML标签修正", $"第{lineNum}行缺失<DATA>标签，已自动补全", "", 0, ref fireAgain);
                    }
                }
            }

            // 记录异常行号到变量
            if (errorLine > 0)
            {
                Dts.Variables["User::ErrorLineNumber"].Value = errorLine;
            }

            Dts.TaskResult = (int)DTSExecResult.Success;
        }
    }
}

3. 关键细节说明 #

• 保留原文件的格式（包括行首空格），避免破坏XML的可读性
• 仅处理<catalog>标签内部的行，不会误修改XML声明或根标签
• 大文件场景下，用StreamReader/StreamWriter逐行读写，避免内存溢出
• 通过FireInformation输出日志，便于在SSIS执行过程中查看异常信息
• 可根据需求调整逻辑，比如遇到缺失标签时触发错误（用FireError）而非自动修正

内容的提问来源于stack exchange，提问作者Dexter