如何使用 Go 读取错误的 XML

Question

我想使用 Go 来读取 XML 文件。问题是它是一个糟糕的 XML 文件——它不符合规范。这是一个示例：<?xml version="1.0" encoding="UTF-8"?><something abc="1" def="2">    <0 x="a"/>    <1 x="b"/>    <2 x="c"/>    <26 x="z"/></something>尝试阅读此内容时，我的 Go 程序正确地给出了错误：$ go run rs.go <real.xmlchardata: ''start: name.local='something'start {{ something} [{{ abc} 1} {{ def} 2}]}'abc'='1''def'='2'offset=66chardata: '    'XML syntax error on line 3: invalid XML name: 0exit status 1这是小 Go 程序：package mainimport (    "encoding/xml"    "fmt"    "io"    "os")//  <something abc="1" def="2">type Something struct {    abc   string `xml:"abc"`    def   string `xml:"def"`    spots []Spot}//    <0 x="a"/>type Spot struct {    num  int    // ??    xval string `xml:"x"`}func main() {    dec := xml.NewDecoder(os.Stdin)    //  dec.Strict = false      // doesn't help  <0 ...> problem    //  dec.Entity = xml.HTMLEntity    for {        tok, err := dec.Token()        if err == io.EOF {            break        } else if err != nil {            fmt.Fprintf(os.Stderr, "%v\n", err)            os.Exit(1)        }        switch tok := tok.(type) {        case xml.StartElement:            fmt.Printf("start: name.local='%s'\n", tok.Name.Local)            fmt.Printf("start %v\n", tok)            for _, a := range tok.Attr {                fmt.Printf("'%s'='%s'\n", a.Name.Local, a.Value)            }            fmt.Printf("offset=%d\n", dec.InputOffset())        case xml.EndElement:            fmt.Printf("end: name.local='%s'\n", tok.Name.Local)        case xml.CharData:            fmt.Printf("chardata: '%s'\n", tok)        case xml.Comment:            fmt.Printf("comment: '%s'\n", tok)        }    }}有没有 Go 专家可以帮助我弄清楚如何让 Go 阅读这个愚蠢的 XML 文件？谢谢！

Answer 1

发表我的评论作为答案。

您似乎无法在此处直接使用 Go xml 包。但你可以：

• 考虑分叉 xml 包并更改isName函数以允许您的格式，或者

• 首先清理 XML，将其更改为有效的 XML，然后使用 Goxml包进行解析。

• 另一种选择（可能是一个不错的选择，取决于您的“XML”输入有多疯狂）是实现您自己的解析器，如 Gopher Academy 博客中所述：advent-2014/parsers-lexers

Answer 2

我能够阅读 XML 文件。只需将坏条目改写为好条目，然后让 Unmarshall 完成它的工作。我拥有的格式错误的文件很小（小于 10k），因此如果 XML 文件为 100 MB，这可能不是一个好的选择。

re := regexp.MustCompile("<([0-9]+)")

s := re.ReplaceAllString(string(raw), "<splat n=\"${1}\"")

x := Something{Abc: "0"}

err = xml.Unmarshal([]byte(s), &x)