拒绝盲目爬取：C# XML解析底层逻辑与实战避坑指南

最近在做零点博客的一个数据迁移项目时，接触了不少老旧的API接口，它们虽然不如JSON灵活，但仍然是很多爬虫爬取数据的基础。很多人习惯用正则表达式去匹配XML标签，这绝对是新手最容易踩的坑。今天就跟大家聊聊在C#开发中，如何正确、高效地进行XML解析，以及如何将解析后的数据安全入库。

为什么我们还在用XML？

在Web开发中，HTML由标签堆叠而成，DOM结构混乱；而XML像JSON一样，拥有清晰的树状结构。如果你在开发PHP后端或者对接EMLOG接口时，经常会遇到需要处理XML的场景。相比于JSON，XML在数据校验（Schema）和传输历史兼容性上更有优势。

C#解析XML的两种主流姿势

在C#中，最常用的无非两种：一种是传统的XmlDocument，一种是现代的LINQ to XML。

1. 使用 XDocument（推荐）

这东西用起来特别像操作JSON，代码简洁，适合解析结构较规整的数据。比如我们抓取到一个RSS流：

string xmlString = @"<rss version="2.0">
    <channel>
        <title>零点博客测试</title>
        <item>
            <title>C#进阶</title>
            <link>http://www.example.com</link>
        </item>
    </channel>
</rss>";

var doc = XDocument.Parse(xmlString);
var title = doc.Descendants("item").FirstOrDefault()?.Element("title")?.Value;
Console.WriteLine(title);

2. XmlDocument 遍历法

如果你面对的是几兆大小的超大XML文件，内存敏感，那就要用XmlDocument。它的SelectNodes配合XPath简直就是神器。

XmlDocument xmlDoc = new XmlDocument();
xmlDoc.LoadXml(xmlString);
XmlNodeList nodes = xmlDoc.SelectNodes(@"//channel/item");
foreach (XmlNode node in nodes)
{
    string link = node.SelectSingleNode("link").InnerText;
    // 处理数据...
}

实战避坑：从解析到入库（MySQL与SQL注入）

解析完数据只是第一步。假设我们爬取了1000条商品信息，最终要存入MySQL。这时候很多同学最容易犯的错就是拼接SQL字符串，这在处理XML解析出来的特殊字符时非常危险。

绝对不要这样做（高风险）：

string sql = $"INSERT INTO products (name, price) VALUES ('{itemName}', {price})";

如果XML内容里包含单引号，你的程序直接崩了。正确做法是使用预处理语句，配合参数化查询。无论XML里有什么字符，数据库都把它当成普通文本处理。

总结

做后端开发，技术选型要务实。能用XDocument解决的就别用正则表达式瞎搞。本文的源码案例已经适配了.NET Core环境，大家可以直接拿去跑。下次写爬虫时，记得先判断Content-Type，遇到XML就老老实实走解析流程，别偷懒。