零点复盘：C# XML解析实战与SQL注入防护，搞定EMLOG爬虫数据清洗

在做零点博客的自动化工具时，最近遇到个棘手问题：爬虫抓取的数据五花八门，好不容易搞定了 HTML 爬取，结果对方 API 返回的全是 XML 格式。如果不把这堆 XML 数据清洗干净存入 MySQL，后面写 EMLOG 插件全是扯淡。今天就跟大家掏心窝子聊聊，C# 中到底该怎么高效进行 XML解析，以及那个绝对不能省的 SQL注入防护。

一、 XML解析的两种姿势：DOM vs LINQ

一开始我想着直接用 XmlDocument 这种老古董，结果发现代码写得跟面条一样，全是嵌套的 if 判断。后来在零点博客的技术群里听大佬推荐，转用了 C# 自带的 LINQ to XML，爽得不行。

如果你的 XML 结构比较扁平（比如 RSS 订阅），推荐用 LINQ：

// 假设这是爬虫抓到的原始字符串
string xmlContent = "零点博客http://.../";

// 实例化 XElement
XElement root = XElement.Parse(xmlContent);

// 使用 LINQ 查询，直接获取节点值
string blogTitle = root.Element("channel")?.Element("title")?.Value;
Console.WriteLine($"标题：{blogTitle}");

如果你面对的是那种几千行、层级极深的复杂 XML，才建议祭出 XmlDocument 这种 DOM 树来遍历。别问我怎么知道的，踩过坑才知道这两种姿势的区别。

二、正则与编码：数据清洗的“坑”

爬虫返回的 XML 通常不是纯净的。比如抓取新闻源时，文本节点里经常夹杂 HTML 标签。这时候单纯靠 XML解析是不够的，你得配合 正则表达式 做最后的一刀。这里有个大坑：编码问题。

我之前就因为没设置 Encoding，解析出来的中文全是乱码（中文变成 `???`）。切记，在 `XElement.Parse` 之前，先确认源码的编码（通常在 XML 声明里），或者手动指定：

using (var reader = XmlReader.Create(url, new XmlReaderSettings { Encoding = Encoding.UTF8 })) {
    XElement root = XElement.Load(reader);
    // ... 处理逻辑
}

三、核心环节：SQL注入防护与预处理语句

XML 解析完只是第一步，如何安全地把这些数据写入 MySQL？这是后端开发的命门。在零点博客之前的教程里提到过拼接 SQL 的坏处，这里再强调一次：永远不要信任任何从 XML 解析出来的变量。

为了演示 SQL注入防护，我写了一个简单的前端拼接方案（不要在生产环境这样用，只是为了说明原理）和对应的 C# 参数化查询方案：

string sql = "INSERT INTO articles (title, content, create_time) VALUES (@title, @content, @time)";
SqlCommand cmd = new SqlCommand(sql, conn);

// 关键点：使用参数化查询，而不是直接拼接字符串
cmd.Parameters.AddWithValue("@title", parsedTitle);
cmd.Parameters.AddWithValue("@content", parsedContent);
cmd.Parameters.AddWithValue("@time", DateTime.Now);

cmd.ExecuteNonQuery();

只要你用了 `Parameters.AddWithValue`，哪怕 XML 里的标题是 `1 OR 1=1 --`，数据库也会把它当成纯文本字段处理，绝对安全。

四、 PHP 处理 XML 的小技巧

虽然我在这里主要写 C#，但在开发 Web 接口时，PHP 处理轻量级 XML 其实也挺快。比如遇到简单的 API 响应，可以直接用 simplexml_load_string：

$xml = simplexml_load_string($response);
$json = json_encode($xml);
$data = json_decode($json, true);
// 转成数组后，直接插库，跟 C# 逻辑是一样的

五、避坑总结

XML解析： 扁平数据用 LINQ，深层结构用 DOM。
编码： 爬虫一定要带 Encoding 参数，否则中文就是灾难。
数据安全： 插入 MySQL 必须用预处理语句，这是 SQL注入防护 的最后一道防线。

做完这套流程，你会发现爬虫开发其实逻辑很清晰：爬 -> 解析 -> 清洗 -> 防护 -> 入库。希望这篇文章能帮你在零点博客的开发路上少走弯路，代码如有 Bug，欢迎评论区吐槽！