条件付きで脱出特殊なXML文字

Question

は、私はたくさんの周りを見てきましたが、見つけることができませんでしたビルトイン特殊なXML文字エスケープします.NETメソッド： <、>、&、'と" をそうでない場合タグ。タグがエスケープされていないことを

Test&amp; <b>bold</b> <i>italic</i> &lt;<Tag index="0" /> 

お知らせ：

Test& <b>bold</b> <i>italic</i> <<Tag index="0" /> 

が、私はそれがに変換したい：

はたとえば、次のテキストを取ります。この値をXmlElementのInnerXMLに設定する必要があり、その結果、これらのタグを保存する必要があります。

私は自分自身のパーサーを実装し、StringBuilderを使用してできる限り最適化しましたが、かなり厄介なことがあります。

私は、物事を簡素化する可能性のあるタグも知っています（br、b、i、u、blink、flash、Tag）。また、これらのタグは、自己終了タグ

(e.g. <u />) 

またはコンテナタグ

(e.g. <u>...</u>) 

Answer 1

注：これはおそらく最適化されている可能性があります。それは私があなたのためにすぐにノックしたものでした。また、タグ自体の検証も行っていないことに注意してください。それは山括弧で囲まれた内容を探しているだけです。また、タグ内に角括弧（たとえば、<sometag label="I put an > here">）が見つかった場合は失敗します。それ以外は、あなたが求めていることをすべきだと思います。

namespace ConsoleApplication1 
{ 
    using System; 
    using System.Text.RegularExpressions; 

    class Program 
    { 
     static void Main(string[] args) 
     { 
      // This is the test string. 
      const string testString = "Test& <b>bold</b> <i>italic</i> <<Tag index=\"0\" />"; 

      // Do a regular expression search and replace. We're looking for a complete tag (which will be ignored) or 
      // a character that needs escaping. 
      string result = Regex.Replace(testString, @"(?'Tag'\<{1}[^\>\<]*[\>]{1})|(?'Ampy'\&[A-Za-z0-9]+;)|(?'Special'[\<\>\""\'\&])", (match) => 
       { 
        // If a special (escapable) character was found, replace it. 
        if (match.Groups["Special"].Success) 
        { 
         switch (match.Groups["Special"].Value) 
         { 
          case "<": 
           return "&lt;"; 
          case ">": 
           return "&gt;"; 
          case "\"": 
           return "&quot;"; 
          case "\'": 
           return "&apos;"; 
          case "&": 
           return "&amp;"; 
          default: 
           return match.Groups["Special"].Value; 
         } 
        } 

        // Otherwise, just return what was found. 
        return match.Value; 
       }); 

      // Show the result. 
      Console.WriteLine("Test String: " + testString); 
      Console.WriteLine("Result  : " + result); 
      Console.ReadKey(); 
     } 
    } 
} 

Answer 2

することができ、私は個人的にあなたが本当に不正なHTMLを修正しようとしているので、そこにされているので、それが可能だとは思いません何がエンコードされ、何がエンコードされないのかを判断するためのルールはありません。

どのように見ても、<<Tag index="0" />のようなものは有効なHTMLではありません。

実際のタグを知っていれば、簡単なものにすることができるホワイトリストを作成できますが、より具体的にあなたの問題を攻撃する必要があります。どのシナリオでもこれを解決することはできません。

実際には、<または>のランダムな文字はテキストにはないので、問題が大幅に簡素化されますが、実際にはジェネリックソリューションを考えようとしている....私はあなたの幸運を祈ります。

Answer 3

は、ここでは、それが無効な<または>一致します使用することができ、正規表現です。

(\<(?! ?/?(?:b|i|br|u|blink|flash|Tag[^>]*))|(?<! ?/?(?:b|i|br|u|blink|flash|Tag[^>]*))\>) 

私は有効なタグテスト式を変数に入れ、その周りに残りを構築することをお勧めします。

var validTags = "b|i|br|u|blink|flash|Tag[^>]*"; 
var startTag = @"\<(?! ?/?(?:" + validTags + "))"; 
var endTag = @"(?<! ?/?(?:" + validTags + "))/>"; 

次に、RegEx.Replaceを実行してください。