xmlreader与xmlwriter里的几个坑与解决方案

加载超过100M的xml文件时（可能不是很常见），XmlDocument这种全部加载到内存里的模式就有点不友好了，耗时长、内存高。

这时用xmlreader就会有自行车换超跑的感觉，但其间遇到几个坑，记录一下。

先看源码，包括dom和sax两种模式的读取和写入

DOM模式：

 1         /// <summary>
 2         /// dom模式创建xml文件
 3         /// </summary>
 4         /// <param name="path"></param>
 5         public void CreateXml_Dom(string path)
 6         {
 7             XmlDocument xmlDocw = new XmlDocument();
 8             //xml头
 9             var xmldecl = xmlDocw.CreateXmlDeclaration("1.0", "utf-8", null);
10             var root = xmlDocw.CreateElement("root");
11             root.SetAttribute("Name", "李四");
12             var test = xmlDocw.CreateElement("test");
13             root.AppendChild(test);
14
15             xmlDocw.AppendChild(xmldecl);
16             xmlDocw.AppendChild(root);
17             xmlDocw.Save(path);
18
19             //可以通过xmlreader读数据后生成节点
20             //var node = xmlDocw.ReadNode(rdr);
21             //root.AppendChild(node);
22             //或者读取outerxml后作为innerxml写入
23             //string str = rdr.ReadOuterXml();
24             //root.InnerXml = str;
25         }
26
27         /// <summary>
28         /// dom模式读取xml
29         /// </summary>
30         /// <param name="path"></param>
31         public void ReadXml_Dom(string path)
32         {
33             XmlDocument xmlDocr = new XmlDocument();
34             xmlDocr.Load(path);
35             var root = xmlDocr.DocumentElement;
36             string str = root.GetAttribute("Name");
37             Console.WriteLine(str);
38         }

SAX（simple API for XML）模式：几种错误也都用注释标注出来了

 1         /// <summary>
 2         /// xmlwriter创建xml文件
 3         /// </summary>
 4         /// <param name="path"></param>
 5         public void CreateXml_Sax(string path)
 6         {
 7             //filestream没问题
 8             //FileStream stream = new FileStream(path,FileMode.Create);
 9             //会出现编码一直是utf-16问题
10             //StringBuilder stream = new StringBuilder();
11             MemoryStream stream = new MemoryStream();
12             XmlWriterSettings settings = new XmlWriterSettings();
13             //Encoding.UTF8这个会报错,字节顺序标记
14             settings.Encoding = new UTF8Encoding(false);
15             XmlWriter xw = XmlWriter.Create(stream, settings);
16             //XmlTextWriter xw = new XmlTextWriter(stream, new UTF8Encoding(false));
17
18             //写入声明
19             xw.WriteStartDocument();
20
21             xw.WriteStartElement("root");
22             xw.WriteAttributeString("Name", "张三");
23             //可以通过xmlreader读数据后直接写入
24             //xw.WriteNode(rdr);
25             xw.WriteStartElement("test");
26             xw.WriteEndElement();
27
28             xw.WriteEndElement();
29
30             xw.WriteEndDocument();
31             xw.Close();
32
33             string xmlstr = Encoding.UTF8.GetString(stream.ToArray());
34             stream.Close();
35             XmlDocument xmlDocw = new XmlDocument();
36             xmlDocw.LoadXml(xmlstr);
37             xmlDocw.Save(path);
38         }
39
40         /// <summary>
41         /// xmlreader读取xml
42         /// </summary>
43         /// <param name="path"></param>
44         public void ReadXml_Sax(string path)
45         {
46             XmlDocument xmlDocw = new XmlDocument();
47             XmlReaderSettings rsettings = new XmlReaderSettings();
48             rsettings.IgnoreComments = true;
49             rsettings.IgnoreWhitespace = false;
50             rsettings.CheckCharacters = false;
51             //默认的xmlreader不读取内容中的回车换行\r\n
52             //(XmlReader rdr = XmlReader.Create(path,rsettings))
53             using (XmlTextReader rdr = new XmlTextReader(path))
54             {
55                 rdr.WhitespaceHandling = WhitespaceHandling.Significant;
56                 string eleName = "";
57                 while (rdr.Read())
58                 {
59                     if (rdr.NodeType == XmlNodeType.Element)
60                     {
61                         //节点名称
62                         eleName = rdr.Name;
63                         //节点深度
64                         int dp = rdr.Depth;
65                         //是否空节点，表示<elememt/> 不是<element></element>
66                         bool needend = rdr.IsEmptyElement;
67                         for (int i = 0; i < rdr.AttributeCount; i++)
68                         {
69                             rdr.MoveToAttribute(i);
70                             Console.WriteLine(rdr.Name+":"+rdr.Value);
71                         }
72                         //可以直接读取节点所有的数据.可以用readNode读取
73                         //rdr.EOF判定，不然会跳过节点
74                         //rdr.ReadOuterXml();
75                     }
76                     else if (rdr.NodeType == XmlNodeType.EndElement)
77                     {
78                         eleName = rdr.Name;
79                     }
80                 }
81             }
82         }

xmlreader和xmldocument(xmlwriter)组合一起用对大型xml进行拆分读取，十分有效。

下面是遇到的问题：

1.xmlwriter后xml文件头始终是utf-16

这是用StringBuilder才会有的问题，改用FileStream、MemoryStream等就好了。

2.（UTF8）改用MemoryStream后，形成的xml字符串通过XMLDocument.LoadXml时报错

XmlWriterSettings settings = new XmlWriterSettings();
settings.Encoding = Encoding.UTF8;

最终发现默认的Encoding.UTF8是带有字节顺序标记的，要用new UTF8Encoding(false);

通过监视区代码可以看到，xmlstr[0]是65279，修改后就对了变成60'<'。

3.xmlreader默认不读取内容中的回车换行，读进来就是个空格。

第二个直接回车换行就是读不进来，用xmldocument可以读到两个，xmlreader就是读取不到。

期间一直在找设置，比如IgnoreWhitespace等，发现都没有用，还是不读。

　XmlReaderSettings rsettings = new XmlReaderSettings();
    rsettings.IgnoreWhitespace = false;

最后在stackoverflow上找到答案(注1)，不能用XmlReader rdr = XmlReader.Create(path)，用XmlTextReader就好了。

注1：不读回车换行问题 https://stackoverflow.com/questions/1793908/xmlreader-newline-n-instead-of-r-n

This is because the XmlTextReader has a normalization setting defaulted to false unlike XmlReader.Create which always normalizes newlines no matter what.

本文为原创，转载请注明：https://www.cnblogs.com/zhanglb163/