java - SAX:XML 文档结构必须在同一实体内开始和结束

Question

我正在尝试使用 javax.xml.stream.XMLStreamReader 解析(相当大的)XML 文件。文件格式正确(使用 xmllint 验证)，但我仍然收到以下异常:

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[12418,95]
Message: XML document structures must start and end within the same entity.
at     com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:592)

这是我的代码的简化:

while(parser.hasNext()){
    parser.next();
    if (parser.getEventType() == XMLStreamReader.START_ELEMENT){
        if (parser.getLocalName() == "s") {
            // do stuff
        }
    }
    if (parser.getEventType() == XMLStreamReader.END_ELEMENT){
        if (parser.getLocalName() == "s") {
            // do more stuff                
        }
    }
    if (parser.getEventType() == XMLStreamReader.CHARACTERS){
        if (inSentenceElement) {
            // process text
            parser.getText()...
        }
    }
}

我已经检查了错误消息中给出的 XML 中的行/列，没有任何异常让我印象深刻。我一直认为文件的大小可能是个问题，它们会被截断，以便在根元素关闭之前读取 EOF。这可行吗？如果可行，我该如何避免？

编辑:bz2 压缩文件的大小高达 1.5G，最多 7M 行，但相对较小的文件在 4M 时在大约 10K 行后崩溃(尽管出现问题的行数往往因一些 3K 行。

Answer 1

Caused by: javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,4207737]
Message: Attribute name "i" associated with an element type "someElement" must be followed by the ' = ' character.
    at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:598)
    at com.sun.xml.internal.bind.v2.runtime.unmarshaller.StAXStreamConnector.bridge(StAXStreamConnector.java:181)
    at com.sun.xml.internal.bind.v2.runtime.unmarshaller.UnmarshallerImpl.unmarshal0(UnmarshallerImpl.java:355)
    ... 49 more

实际 XML 中的属性是:index="1"，所以它是有效的，但它被截断了或其他什么。相同的代码和 XML 适用于 Java 1.7.0u51，但在 1.7.0u71 中出现上述异常而失败。位置始终与该文件位于同一列 (CharacterOffset = 4207736)。我正在使用 JAXB，它在解码期间调用它，但除了 Java 版本之外没有任何变化。

我建议检查最近添加的一些新的 XML 限制，以减少拒绝服务攻击，它确实适用于我的情况。 https://docs.oracle.com/javase/tutorial/jaxp/limits/using.html

具体来说，将以下内容添加到运行的命令行将禁用所有这些。我会强烈建议找到更好的限制(或导致您的问题的特定限制)，而不是用 0 将它们全部关闭。

java -Djdk.xml.entityExpansionLimit=0 -Djdk.xml.elementAttributeLimit=0 -Djdk.xml.maxOccurLimit=0 -Djdk.xml.totalEntitySizeLimit=0 -Djdk.xml.maxGeneralEntitySizeLimit=0 -Djdk.xml.maxParameterEntitySizeLimit=0 -Djdk.xml.maxElementDepth=0    -jar myJarfile.jar