java - 忽略 "Content is not allowed in trailing section"SAXException

Question

我正在使用 Java 的 DocumentBuilder.parse(InputStream) 来解析 XML 文档。有时，我会收到格式错误的 XML 文档，因为在最终的 > 之后有额外的垃圾导致 SAXException: Content is not allowed in trailing section。 (在我见过的情况下，垃圾只是一个或多个空字节。)

我不关心最后的 > 之后是什么。。有没有一种简单的方法可以用 Java 解析整个 XML 文档并让它忽略任何尾随的垃圾？

请注意，我所说的“忽略”不仅仅意味着捕获和忽略异常:我的意思是忽略尾随的垃圾，不抛出异常，并返回 Document 对象，因为 XML直到包括最后的 > 为止都是有效的。

Answer 1

由于您的发件人向您提供了无效的 XML，如果您想避免此异常，则需要在它到达解析器之前对其进行更正。如果您无法更正发件人，则需要某种预处理步骤。

如果情况只是您在结束标记后有额外的空字节，正如您对另一个答案的回应之一所指示的，这可能是您可以通过将输入流包装在 FilterInputStream 中轻松完成的事情 实现跳过空字节。

如果问题比空字符更复杂，您当然需要更复杂的过滤器，这可能很困难。

如果您使用的是 ContentHandler，您可以向其添加回调，以便它可以在结束根标记已被处理时通知调用代码，并基于该知识，调用代码可以在其异常处理程序中包含逻辑，以便在发出结束信号时简单地忽略它。在这一点上，任何必须由解析器完成的事情都可能已经完成了!但此解决方案似乎不适用于您的情况。