xml - 文本::平衡和多行 xml

Question

好像我有点迷路了。

我需要解析一个很大(大约 100 MB)且非常难看的 xml 文件。如果我使用 parsefile，它会返回错误(文档元素后的垃圾)，但它会很乐意解析文件的较小元素。

所以我决定将文件分解成元素并解析它们。由于不鼓励使用正则表达式解析 XML(无论如何我都试过了，但我得到了重复的结果)，我尝试了 Text::Balanced。

有点像

use Text::Balanced qw/extract_tagged/;

while (<FILE>) {
     my $result = extract_tagged($_, "<tag>");
     print $result if defined $result;
}

工作得很好，所以我可以提取适合一行的标记条目。然而，有了更大的东西

use Text::Balanced qw/extract_tagged/;
use File::Slurp;

my $test = read_file("file");
my $result = extract_tagged($text, "<tag>");
print $result;

不起作用。它读取文件，但在那里找不到标记的项目。

所以问题是如何在没有 XML::Parser 的情况下提取给定标签之间的任何内容？如果可能的话，我真的真的需要避免咀嚼它。

附言搜索将返回正则表达式指南、heredoc howtos 以及我要查找的任何内容

附言我是个白痴，一直在尝试解析无效文件。仍然好奇如果解析器失败，如何截断文件。

---

bvr 的回答很接近，它确实会检索一些数据，但如果缺少顶级标签则不会。

Answer 1

对于损坏的 XML，我会尝试设置 recover XML::LibXML 的选项.它使它忽略解析错误并继续。