统一码正则表达式；无效的 XML 字符

有效的 XML 字符列表是众所周知的，正如规范所定义的：

#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]

我的问题是是否可以通过使用 Unicode 通用类别来为此（或其逆）创建 PCRE 正则表达式，而无需实际对代码点进行硬编码。逆可能类似于 [\p{Cc}\p{Cs}\p{Cn}]，只不过不正确地覆盖了换行符和制表符并错过了一些其他无效字符。

我知道这并不完全是您问题的答案，但在这里提供它会很有帮助：

正则表达式来匹配validXML 字符：

[\u0009\u000a\u000d\u0020-\uD7FF\uE000-\uFFFD]

所以要删除invalidXML 中的字符，你会做类似的事情

// filters control characters but allows only properly-formed surrogate sequences
private static Regex _invalidXMLChars = new Regex(
    @"(?<![\uD800-\uDBFF])[\uDC00-\uDFFF]|[\uD800-\uDBFF](?![\uDC00-\uDFFF])|[\x00-\x08\x0B\x0C\x0E-\x1F\x7F-\x9F\uFEFF\uFFFE\uFFFF]",
    RegexOptions.Compiled);

/// <summary>
/// removes any unusual unicode characters that can't be encoded into XML
/// </summary>
public static string RemoveInvalidXMLChars(string text)
{
    if (string.IsNullOrEmpty(text)) return "";
    return _invalidXMLChars.Replace(text, "");
}

我有我们常驻的正则表达式/XML 天才，他是 4,400 多个点赞帖子中的一员 https://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454，检查一下，然后他就签字了。