java - 对格式不正确的 XML 进行 XPath 评估？

Question

我需要通过 XPath 求值器传递一些格式不严格的 XML。 XML 实际上主要是 html，可能如下所示:

<p>
  <a href="http://www.something.com/5993810749/" title="IMG_3013”>
    <img src="5993810749_107ea7d465_m.jpg" width="240" height="160" alt="IMG_3013”/>
  </a>
</p>
<p>
  <a href="http://www.something.com/836492365986/" title="IMG_3018”>
    <img src=“8364923659_107ea3286465_m.jpg" width=“365" height=“248" alt="IMG_3018”/>
  </a>
</p>

因此，值得注意的问题是:没有根元素；另外<img>没有终止。虽然用根元素包装很容易，但当我通过 XPath 求值器时，我得到一个异常，如下所示:

[Fatal Error] :7:196: The element type "img" must be terminated by the matching end-tag "</img>".

顺便说一句，Java 中 XPath Evaluator 的代码如下所示:

XPath xPath = XPathFactory.newInstance().newXPath();
Object result = xPath.evaluate(xpath,
    new InputSource(new StringReader(xmlString)), XPathConstants.NODESET);

所以，我想知道，处理这个问题的最佳方法是什么，以便我可以成功评估 XML？看来我至少有两个选择: (a) 尝试让 XPath 评估器变得更智能；或者 (b) 尝试找到一种方法来自动修复格式错误的 XML。如果能解决这个问题，我们将不胜感激!

Answer 1

有几个实用程序可以将 HTML 或一般带有尖括号的任何内容转换为格式良好的 XML(它可能是也可能不是您期望的 XML，但它将是格式良好的)。 JTidy 和 TagSoup 经常用于这个角色。您不必具体化 XML，您可以将其直接泵入处理管道的下一步，例如XSLT 转换或架构验证。