java SAXParser 忽略异常并继续解析

Question

我有一个java类，它解析xml文件，并将其内容写入MySQL。一切正常，但问题是当 xml 文件包含无效的 unicode 字符时，会引发异常并且程序停止解析文件。

我的提供商每天都会发送此 xml 文件，其中包含产品列表及其价格、数量等。我无法控制这一点，因此无效字符将始终存在。

我想做的就是捕获这些错误，忽略它们并继续解析 xml 文件的其余部分。

我在 SAXHandler 类的 startElement、endElement 和 characters 方法上添加了 try-catch 语句，但是，它们没有不会捕获任何异常，只要解析器发现无效字符，执行就会停止。

看来我只能从调用解析器的函数中捕获这些异常:

    try {
        myIS = new FileInputStream(xmlFilePath);
        parser.parse(myIS, handler);
        retValue = true;
    } catch(SAXParseException err) {
        System.out.println("SAXParseException " + err);
    }

但是，这对我来说没有用，即使异常告诉我无效字符在哪里，执行也会停止，因此产品列表还远未完成。该列表大约有 8,000 个产品，只有几个无效字符，但是，如果无效字符出现在前 100 个产品中，则所有 7,900 个产品都不会在数据库中更新。我还注意到，如果发生异常，则不会调用 endDocument 方法。

几年前有人在这里问过同样的问题，但没有得到任何解决方案。

我真的很感激任何对此的想法或解决方法。

数据样本(根据要求):

<Producto>
 <Brand>
  <Description>Epson</Description>
  <ManufacturerId>eps</ManufacturerId>
  <BrandId>eps</BrandId>
  </Brand>
 <New>false</New>
 <OnSale>null</OnSale>
 <Type>Physical</Type>
 <Description>Epson TM T88V - Impresora de recibos - línea térmica - rollo 8 cm - hasta 300 mm/segundo - paralelo, USB</Description>
 <Category>
  <CategoryId>pos</CategoryId>
  <Description>Puntos de Venta</Description>
  <Subcategories>
   <CategoryId>pos.printer</CategoryId>
   <Description>Impresoras para Recibos</Description>
  </Subcategories>
 </Category>
 <InStock>0</InStock>
 <Price>
  <UnitPrice>4865.6042</UnitPrice>
  <CurrencyId>MXN</CurrencyId>
 </Price>
 <Manufacturer>
  <Description>Epson</Description>
  <ManufacturerId>eps</ManufacturerId>
 </Manufacturer>
 <Mpn>C31CA85814</Mpn>
 <Sku>PT910EPS27</Sku>
 <CompilationDate>2020-02-25T12:30:14.6607135Z</CompilationDate>
</Producto>

Answer 1

XML 的理念是不处理不良数据。如果它不是格式良好的 XML，则解析器应该放弃，用户应用程序也应该放弃。从文化上来说，这是对 HTML 文化的一种 react ，人们发现，如果普遍预期数据用户会容忍不良数据，那么结果就是供应商会产生不良数据。

标准可以降低成本，因为您可以使用现成的工具来创建有效数据并在另一端读取数据。如果您决定要交换几乎是 XML 但又不完全是 XML 的内容，那么这些好处就完全抵消了。如果您正在下载软件，如果它不能编译，您就不会忍受它。那么，您为什么要忍受糟糕的数据呢？将其寄回并要求退款。

话虽如此，如果问题是“无效的 Unicode 字符”，那么它可能一开始是良好的 XML，但在传输过程中被损坏。找出问题所在并尽可能接近问题根源进行修复。