자, 다음과 같은 문자에 대한 질문을 분리합시다.

1. XML 문서에서 전혀 유효하지 않습니다.
2. 탈출해야합니다.

@dolmen이 ” XML의 유효하지 않은 문자 란 무엇입니까? “에서 제공 한 답변 은 여전히 ​​유효하지만 XML 1.1 사양으로 업데이트해야합니다.

1. 잘못된 문자

여기에 설명 된 문자는 XML 문서에 삽입 할 수있는 모든 문자입니다.

1.1. XML 1.0에서

• 참조 : XML 권장 사항 1.0, §2.2 문자 참조

허용되는 문자의 전체 목록은 다음과 같습니다.

[2] Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

기본적으로 제어 문자 및 유니 코드 범위를 벗어난 문자는 허용되지 않습니다. 이것은 또한 예를 들어 캐릭터 엔티티의 호출 이 금지됨을 의미합니다.

1.2. XML 1.1에서

• 참조 : XML 권장 사항 1.1, §2.2 문자 및 1.3 이론적 근거 및 XML 1.1의 변경 사항 목록 참조

허용되는 문자의 전체 목록은 다음과 같습니다.

[2] Char ::= [#x1-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

[2a] RestrictedChar ::= [#x1-#x8] | [#xB-#xC] | [#xE-#x1F] | [#x7F-#x84] | [#x86-#x9F]

XML 권장 사항의이 개정은 허용 문자를 확장하여 제어 문자가 허용되며 유니 코드 표준의 새로운 개정을 고려하지만 NUL (x00) , xFFFE , xFFFF …

그러나 제어 문자 및 정의되지 않은 유니 코드 문자를 사용하지 않는 것이 좋습니다.

모든 파서가이를 항상 고려하지는 않으며 제어 문자가있는 XML 문서는 거부 될 수 있습니다.

2. 제대로 구성된 문서를 얻기 위해 이스케이프해야하는 문자 :

는 <로 이스케이프해야 <이 태그의 시작으로 간주되기 때문에, 엔티티.

는 &로 이스케이프해야합니다 &시작하는 엔티티 참조로 간주되기 때문에, 엔티티

는 >로 이스케이프해야합니다 >엔티티. 필수는 아니며 상황에 따라 다르지만 탈출하는 것이 좋습니다.

는 '로 이스케이프해야 '엔티티 – 작은 따옴표 내에 정의 된 속성에 필수 있지만 강력 항상 탈출하는 것이 좋습니다.

는 "로 이스케이프해야 "엔티티 – 따옴표로 정의 된 속성에 필수 있지만 강력 항상 탈출하는 것이 좋습니다.

답변

Char       ::=      #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]  /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

public static string CleanInvalidXmlChars(string text)
{
    // From xml spec valid chars:
    // #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]
    // any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
    string re = @"[^\x09\x0A\x0D\x20-\uD7FF\uE000-\uFFFD\u10000-\u10FFFF]";
    return Regex.Replace(text, re, "");
}

& < > " '

WebUtility.HtmlEncode(stringWithStrangeChars)