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：
代码语言：javascript复制string r = "[x00-x08x0Bx0Cx0E-x1Fx26]";
return Regex.Replace(brokenXml, r, "", RegexOptions.Compiled);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
代码语言：javascript复制try
{
.......
}
catch (XmlException xe)
{
using (FileStream fs = new FileStream(filePath, FileMode.OpenOrCreate, FileAccess.ReadWrite))
{
XmlFixer.FixInvalidXml(fs, brokenXml =>
{
string r = "[x00-x08x0Bx0Cx0E-x1Fx26]";
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);
}
}
}
}
}
}
