- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
目前,我正在开发一项功能,该功能涉及解析我们从其他产品收到的 XML。我决定针对一些实际的客户数据运行一些测试,看起来其他产品允许用户输入应被视为无效的输入。无论如何,我仍然必须尝试找出一种解析它的方法。我们正在使用javax.xml.parsers.DocumentBuilder
我在输入时收到如下错误。
<xml>
...
<description>Example:Description:<THIS-IS-PART-OF-DESCRIPTION></description>
...
</xml>
正如您所知,描述中似乎包含无效标签 ( <THIS-IS-PART-OF-DESCRIPTION>
)。现在,这个描述标签被认为是叶标签,并且内部不应该有任何嵌套标签。无论如何,这仍然是一个问题,并会在 DocumentBuilder.parse(...)
上产生异常。
我知道这是无效的 XML,但可以预见它是无效的。关于解析此类输入的方法有什么想法吗?
最佳答案
“XML”比无效更糟糕——它格式不正确;参见 Well Formed vs Valid XML 。
对违规行为的可预测性进行非正式评估没有帮助。该文本数据不是 XML。没有一致的 XML 工具或库可以帮助您处理它。
让提供商自行解决问题。 需要格式良好的 XML。(从技术上讲,格式良好的 XML 一词是多余的,但可能有助于强调。)
使用宽容标记解析器在解析为 XML 之前解决问题:
独立: xmlstarlet具有强大的恢复和修复能力信用:RomanPerekhrest
xmlstarlet fo -o -R -H -D bad.xml 2>/dev/null
Python: Beautiful Soup是基于Python的。请参阅 Differences between parsers 中的注释部分。另请参阅answers to this question了解更多关于处理 Python 中格式不正确的标记的建议,尤其包括lxml's recover=True
option 。另请参阅this answer使用方法codecs.EncodedFile()
清理非法字符。
Java: TagSoup和 JSoup专注于 HTML。 FilterInputStream
可用于preprocessing cleanup .
.NET:
XmlReaderSettings.ConformanceLevel
可以设置为 ConformanceLevel.Fragment
这样 XmlReader
可以阅读XML Well-Formed Parsed Entities缺少根元素。XmlReader.ReadToFollowing()
有时可以习惯 work-around XML syntactical issues ,但请注意下面#3 中的违规警告。Microsoft.Language.Xml.XMLParser
据说是“容错”的。开始:设置 Decoder.Strict
至false
如example所示通过 @chuckx .
PHP:请参阅 DOMDocument::$recover和 libxml_use_internal_errors(true) 。参见很好的例子here .
Ruby:Nokogiri 支持“Gentle Well-Formedness” ”。
R:参见htmlTreeParse()用于 R 中的容错标记解析。
Perl:参见XML::Liberal ,一个“ super 自由的 XML 解析器,可以解析损坏的 XML。”
使用文本编辑器手动将数据处理为文本或以编程方式使用字符/字符串函数。这样做以编程方式可以从棘手到不可能作为看起来是什么可预测的往往不是——打破规则很少受到规则的约束。
对于无效字符错误,请使用正则表达式删除/替换无效字符:
preg_replace('/[^\x{0009}\x{000a}\x{000d}\x{0020}-\x{D7FF}\x{E000}-\x{FFFD}]+/u', ' ', $s);
string.tr("^\u{0009}\u{000a}\u{000d}\u{0020}-\u{D7FF}\u{E000}-\u{FFFD}", ' ')
inputStr.replace(/[^\x09\x0A\x0D\x20-\xFF\x85\xA0-\uD7FF\uE000-\uFDCF\uFDE0-\uFFFD]/gm, '')
对于与号,使用正则表达式将匹配项替换为 &
: 信用: blhsin , demo
&(?!(?:#\d+|#x[0-9a-f]+|\w+);)
请注意,上述正则表达式不会接受注释或 CDATA部分考虑在内。
关于java - 如何解析无效(错误/格式不正确)的 XML?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59884761/
有没有办法使用 Clojure format(基于 java.util.Formatter)或 cl-format(基于 Common Lisp 的format) 以编程方式设置空格填充?如果您事先知
我正在尝试创建一个用户实体以及数据/文件(pdf格式)。上传并保存到数据库很好,但是当我让用户进入 postman 时尝试发送获取请求方法,然后在数据字段中显示一些糟糕的数据,而且我无法在数据库中看到
我必须将值为 {"STX","ETX"} 的普通字符串数组转换为十六进制值,并且我应该根据 http://www.asciitable.com/ 得到 {2,3} . 最佳答案 听起来你想要一个 Ma
我想格式化我的代码,但不确定哪种格式类型最适合我的项目需要。 我发现仅对于 dart 和 flutter 项目(我都有),有不止一个选项可用于格式化编程语言/框架中预先构建的代码。 Dart : da
我已经尝试了多个代码,例如这样 Sub DateFixer() Application.ScreenUpdating = False Application.Calculation =
SolrQuery query = new SolrQuery(); query.setQuery("*:*"); query.add("wt","csv"); server.query(query)
我有一个包含多个字符串的数据库,我从查询中获取了这些记录,并且我在 QString 中收到了这种格式的数据: "Mon, 13 Nov 2017 09:48:45 +0000" 所以,我需要根据文化来
我有一个 Delphi 2007 DBGrid,我想让用户以更新的 Excel 格式 (OOXML) 保存它,但我的标准是用户不需要安装 Excel。有没有人知道任何已经这样做的组件?是的,我已经搜索
我正在我们的普通 html 站点旁边创建一个移动站点。使用 rails 3.1。移动站点在子域 m.site.com 中访问。 我已经定义了移动格式(Mime::Type.register_alias
我正在尝试使用 xmlstarlet 格式化 xml 文件,但我不想创建新的 xml 文件。 我试过了 xmlstarlet fo --inplace --indent-tab --omit-decl
我在 A 列中有一个带有文本的电子表格。 例如 A1=MY TEXT1 A2=MY TEXT2 A3=MY TEXT3 A4=MY TEXT4 A5=MY TEXT5 我想在文本的前后添加撇号 结果是
我想做一些源代码转换(自动导入列表清理),我想保留注释和格式。我听说过一些关于解析器这样做的事情,我认为是 ghc 解析器。 看起来我可以通过从文件中提取内容来使用 hs-src-exts Langu
我在 Excel 中工作,我想根据另一张表中的列表找出一张表中是否有匹配项。 我已将值粘贴到列表中,并希望从另一张表中返回它们的相应值。包含字母和数字的单元格可以正常工作(例如:D5765000),但
我有一个 DurationField在我的模型中定义为 day0 = models.DurationField('Duration for Monday', default=datetime.time
我正在为我的应用程序开发 WMI 查询。它需要为给定的 VID/PID 找到分配的虚拟 COM 端口。使用 WMI Code Creator 我发现...... 命名空间:root\CIMV2 类:W
我试图弄清楚如何使用 NSTextList,但除了 this SO question 之外,在网上几乎没有找到有用的信息。和 the comment in this blog . 使用这个我已经能够创
我要查询all_objects表在哪里last_ddl_time='01 jan 2010'但它拒绝日期格式... 任何机构给我查询的确切格式? 最佳答案 正如 AKF 所说,您应该使用 Trunc除
我试图在我的应用程序中实现聊天功能。我使用了 2 个 JEditorPane。一个用于保存聊天记录,另一个用于将聊天发送到前一个 JEditorPane。 JEditorPane 是 text/h
我在大学里修了一个编译器类(class),内容非常丰富,很有趣,尽管也很多工作。既然给了我们要实现的语言规范,所以我学不到的一件事就是语言设计。我现在正在考虑创建一种有趣的简单玩具语言,以便我可以玩耍
Closed. This question does not meet Stack Overflow guidelines。它当前不接受答案。 想改善这个问题吗?更新问题,以便将其作为on-topic
我是一名优秀的程序员,十分优秀!