java - 使用 SAX (Java) 解析来自单个 TCP 流的多个 XML 消息

Question

我现在使用 Java 连接到一个 TCP 端口，一个接一个地流式传输 XML 文档，每个文档都用 <?xml 分隔。文件标签的开始。演示格式的示例:

<?xml version="1.0"?>
<person>
    <name>Fred Bloggs</name>
</person>
<?xml version="1.0"?>
<person>
    <name>Peter Jones</name>
</person>

我正在使用 org.xml.sax.*接口(interface)。 SAX 解析适用于第一个文档，但在遇到第二个文档的开头时会抛出异常:

Exception in thread "main" org.xml.sax.SAXParseException: The processing instruction 
target matching "[xX][mM][lL]" is not allowed.

以下骨架类演示了我正在使用的设置:

import org.xml.sax.InputSource;
import org.xml.sax.XMLReader;
import org.xml.sax.helpers.DefaultHandler;
import org.xml.sax.helpers.XMLReaderFactory;

import java.io.FileReader;

public class XMLTest extends DefaultHandler {

  public XMLTest() {
     super();
  }

  public static void main(String[] args) throws Exception {
    XMLReader xr = XMLReaderFactory.createXMLReader();

    XMLTest handler = new XMLTest();
    xr.setContentHandler(handler);
    xr.setErrorHandler(handler);

    xr.parse(new InputSource(new Socket("127.0.0.1", 4555).getInputStream()));
  }
}

我无法控制 xml 的格式(这是一个财务数据馈送)，但我需要能够有效地解析它，并解析所有文档。我花了整个下午/晚上尝试不同的事情，但都没有产生结果。任何帮助将不胜感激。

Answer 1

您想在每个 <?xml version="1.0"?> 上拆分流并分别解析它们。 BufferedReader可能对此有所帮助。启动示例:

reader = new BufferedReader(new InputStreamReader(input, "UTF-8"));
StringBuilder builder = null;
for (String line; (line = reader.readLine()) != null;) {
    if (line.startsWith("<?xml")) {
        if (builder != null) {
            xr.parse(new InputSource(builder.toString()));
        }
        builder = new StringBuilder();
    }
    builder.append(line);
}