如何解析无效(糟糕/不正确)XML？

Question

如何解析无效(糟糕/不正确)XML？目前，我正在开发一个特性，它涉及解析我们从另一个产品获得的XML。我决定对一些实际的客户数据进行一些测试，看起来另一个产品正在允许来自用户的输入，这些输入应该被认为是无效的。不管怎样，我还是得想办法解析它。我们用javax.xml.parsers.DocumentBuilder我收到一个输入错误，如下所示。<xml>   ...  <description>Example:Description:<THIS-IS-PART-OF-DESCRIPTION></description>   ...</xml>如您所知，描述的内部似乎有一个无效的标记(<THIS-IS-PART-OF-DESCRIPTION>)。现在，已知这个描述标记是叶标记，不应该在其中包含任何嵌套标记。无论如何，这仍然是一个问题，并在DocumentBuilder.parse(...)我知道这是无效的XML，但可以预见它是无效的。对于解析这种输入有什么想法吗？

Answer 1

通过设计，标准的XML解析器永远不会接受无效的XML。

您唯一的选择是对输入进行预处理，以删除“可预见的无效”内容，或者在解析之前将其包装在CDATA中。

Answer 2

在处理格式错误的XML时，这个代码位确实启发了我处理另一个类似的问题，所以我在这里分享它。

请不要编辑下面的内容，因为它是原来的网站。

XML格式，要求在文档中声明的唯一根元素是有效的。因此，例如，一个有效的XML是：

<root>
     <element>...</element>
     <element>...</element></root>

但如果你有这样的文件：

<element>...</element><element>...</element><element>...</element><element>...</element>

这将被认为是格式错误的XML，因此许多XML解析器只是抛出一个异常，抱怨没有根元素。等。

在本例中，有一个解决方案，说明如何解决该问题，并成功地解析上面格式错误的XML。

基本上，我们要做的是以编程方式添加根元素。

因此，首先您必须打开包含“畸形”XML(I)的资源。e。(档案)：

File file = new File(pathtofile);

然后打开FileInputStream：

FileInputStream fis = new FileInputStream(file);

如果我们尝试用任何XML库解析这个流，那么我们就会引发格式错误的文档异常。

现在，我们创建了一个InputStream对象的列表，它有三个级别：

一个ByteIputStream元素，它包含字符串：“我们的FileInputStream-具有字符串的ByteInputStream：”所以代码如下：

List<InputStream> streams = 
    Arrays.asList(
        new ByteArrayInputStream("<root>".getBytes()),
    fis,
    new ByteArrayInputStream("</root>".getBytes()));

现在，使用SequenceInputStream，为上面创建的列表创建一个容器：

InputStream cntr = new SequenceInputStream(Collections.enumeration(str));

现在，我们可以在CNTR上使用任何XMLParser库，并且它将被解析，没有任何问题。(与StAX库核对)；