小编点评

解决方法如下： 1. **捕获XmlException异常**：在加载PPTX文件的时候捕获XmlException类型的异常，并将异常中获取xml内容。 2. **创建ZipArchive对象**：从异常中获取xml内容的路径，然后创建一个ZipArchive对象。 3. **遍历ZipArchive对象**：遍历ZipArchive对象中的所有文件，并判断文件名是否为“.xml”。 4. **处理非“.xml”文件**：如果文件不是“.xml”，创建一个新的entry并将其命名为entry.FullName，然后打开entry.Open()，并尝试读取内容并设置IsInvalidXml属性为false。 5. **处理“.xml”文件**：如果文件是“.xml”，从entry.Open()中读取内容，并使用XDocument.Parse(content)将其解析为XML文档。然后设置IsInvalidXml属性为false。 6. **将非“.xml”文件删除**：如果IsInvalidXml为false，则将该文件从ZipArchive中删除。 7. **将“.xml”文件写入新文件**：如果所有文件处理完成，将所有“非”.xml”文件添加到一个新的XML文件中。 8. **返回新文件中包含的XML数据**：返回新文件中包含的XML数据。

正文

问题描述：

通过DocumentFormat.OpenXml解析PPTX文件时遇到异常：“\b”(十六进制值 0x08)是无效的字符,查看文件发现存在乱码，乱码的十六进制值刚好时异常中提到的0x08

---

原因分析：

网上有很多关于这类xml遇到无效字符异常的文章，其原因是xml中包含了不可打印的控制字符，解决办法是正则匹配替换这类字符。正则匹配的代码如下：

string r = "[\x00-\x08\x0B\x0C\x0E-\x1F\x26]";
return Regex.Replace(brokenXml, r, "", RegexOptions.Compiled);
复制

 

---

解决方案：

原因和处理方式都有了，那么问题来了，加载PPTX文件的时候就抛出异常了，在什么时候替换xml中的控制字符呢？想起OpenXmlPowerTools的源码中关于处理文档中包含不合法的uri的代码，于是如法炮制，在加载页面slide的时候捕获XmlException类型的异常，在异常中修复xml内容

try
{
    .......
}
catch (XmlException xe)
{
	using (FileStream fs = new FileStream(filePath, FileMode.OpenOrCreate, FileAccess.ReadWrite))
	{
		XmlFixer.FixInvalidXml(fs, brokenXml =>
		{
			string r = "[\x00-\x08\x0B\x0C\x0E-\x1F\x26]";
			return Regex.Replace(brokenXml, r, "", RegexOptions.Compiled);
		});
	}
	return ReadPPTXText(filePath);
}

    public static class XmlFixer
    {
        public static void FixInvalidXml(Stream fs,Func invalidXmlHandler)
        {
            using (ZipArchive za = new ZipArchive(fs, ZipArchiveMode.Update))
            {
                bool IsInvalidXml = false;
                for (int i=0;i< za.Entries.Count;i++)
                {
                    var entry = za.Entries[i];
                    if (!entry.Name.EndsWith(".xml"))
                        continue;
                    bool replaceEntry = false;
                    XDocument entryXDoc = null;
                    using (var entryStream = entry.Open())
                    {
                        try
                        {
                            if (IsInvalidXml)
                            {
                                string content;
                                using (StreamReader sr = new StreamReader(entryStream))
                                {
                                    content = invalidXmlHandler(sr.ReadToEnd());
                                }
                                entryXDoc = XDocument.Parse(content);
                                IsInvalidXml = false;
                                replaceEntry = true;
                            }
                            else
                            {
                                entryXDoc = XDocument.Load(entryStream);
                                IsInvalidXml = false;
                            }
                        }
                        catch (XmlException xex)
                        {
                            i--;
                            IsInvalidXml = true;
                        }
                    }
                    if (replaceEntry)
                    {
                        var fullName = entry.FullName;
                        entry.Delete();
                        var newEntry = za.CreateEntry(fullName);
                        using (StreamWriter writer = new StreamWriter(newEntry.Open()))
                        using (XmlWriter xmlWriter = XmlWriter.Create(writer))
                        {
                            entryXDoc.WriteTo(xmlWriter);
                        }
                    }
                }
            }
        }
    }
复制