errore di analisi xml sul carattere illegale

Question

SO, sto chiedendo come ultima risorsa, dato che sono completamente fuori di idee.

Ho un servizio Web App di Windows ASP.NET ASMX che restituisce un oggetto Person serializzato con un - nome, indirizzo, e-mail ... ecc

ma alcuni attributi nel codice XML sono codificati molto stranamente, ad esempio- &#x1a (non so dove si verifica la codifica.) Presente nel processo di serializzazione

googling those characters Vedo che è la codifica "Windows-1252".

Il problema si verifica durante l'analisi dell'XML, ho trovato un errore di analisi di "carattere unicode non valido" nella posizione della codifica 1252.

Come posso analizzarlo correttamente? quali soluzioni suggerisci?

Answer 1

Il parser è corretto, qualsiasi cosa abbia prodotto la serializzazione è errata. Come con la maggior parte dei caratteri di controllo C0/C1, non è valido - in realtà, peggio di quello: non ben formato - per inserire un U+001A SUBSTITUTE in un file XML 1.0 (*), anche se codificato come riferimento di carattere come .

Nessun parser XML leggerà questo, né dovrebbe. Sebbene tu possa inserire qualche orribile hackeraggio per cercare di filtrare le sequenze  prima di passarle al parser, questi rozzi hack non funzionerebbero nel caso generale. Il serializzatore deve essere corretto per interrompere la produzione.

In realtà non ho idea di come il carattere (spesso utilizzato per contrassegnare la fine del file in antichi sistemi operativi orribili) si inserisca nell'insieme di dati utilizzato da un'app ASP.NET, ma non sembrerebbe riprodurlo ruolo valido in un nome, indirizzo o e-mail. Forse dovresti davvero cercare di pulire i tuoi dati.

(*: Sarebbe legale se codificato come riferimento di carattere in un documento XML 1.1 Se è assolutamente necessario eseguire il round-trip dei caratteri di controllo tramite XML, sarà necessario utilizzare XML 1.1. Ciò potrebbe causare problemi di compatibilità con parser XML precedenti, e non è ancora possibile utilizzare il carattere U + 0000 NULL, quindi non sarà mai completamente sicuro.)