C#如何匹配Oracle返回的XML解析错误并提前校验非法字符

• 现有校验逻辑存在漏洞：System.Xml.XmlConvert.VerifyXmlChars 仅校验传入字符串本身的字符是否符合XML规范，你提交的内容中表情以实体编码👍形式存在，组成该编码的&、#、数字、;都是合法XML字符，因此校验直接通过。但Oracle的LPX解析器会先将所有XML实体解码为真实Unicode字符，解码后得到的U+1F44D才是触发报错的根源。
• 两边XML规范版本不一致：Oracle内置的LPX XML解析器默认遵循XML 1.0第四版规范，该版本不允许U+10000及以上的补充字符（大部分表情符号都属于这个区间）；而.NET的XML相关API默认遵循XML 1.0第五版或XML 1.1规范，这两个版本允许补充字符，因此两边校验规则存在差异。

1. 实现与Oracle规则一致的前置校验 #

替换原有校验逻辑，先解码XML实体，再按照Oracle允许的字符范围校验，代码示例如下：

public static bool IsValidForOracleXmlType(string xmlContent)
{
    try
    {
        // 先解码XML实体得到真实字符
        var decodedContent = System.Net.WebUtility.HtmlDecode(xmlContent);
        // 按Oracle LPX规则校验字符范围
        foreach (char c in decodedContent)
        {
            // 代理项对对应U+10000以上的补充字符，直接判定为非法
            if (char.IsSurrogate(c))
            {
                return false;
            }
            // 仅允许Oracle LPX认可的字符范围
            if (!(c == 0x9 || c == 0xA || c == 0xD || 
                  (c >= 0x20 && c <= 0xD7FF) || 
                  (c >= 0xE000 && c <= 0xFFFD)))
            {
                return false;
            }
        }
        // 额外校验XML基础格式合法性
        System.Xml.XmlConvert.VerifyXmlChars(xmlContent);
        return true;
    }
    catch
    {
        return false;
    }
}

2. 特殊场景可选方案 #

如果业务上必须保留表情等补充字符，可选择以下处理方式：

• 将Oracle存储字段从XmlType改为CLOB类型，直接存储XML字符串，避开Oracle的XML解析校验
• 写入前将所有补充字符替换为自定义转义序列，读取数据时再还原
• 联系DBA调整Oracle数据库的XML解析兼容参数，开启对XML 1.1的支持（该方案需评估对现有业务的影响）

内容的提问来源于stack exchange，提问作者Vida