java - 使用 XStream 解析器解析无效的 XML 字符 - Java

Question

这个问题已经有答案了:

How to parse invalid (bad / not well-formed) XML? (4 个回答)

已关闭 5 年前。

我有一个经典的 XML 验证问题 -我需要解析传入的 XML(来自其他应用程序 - 不使用正确的 XML 格式化程序)，其中数据中嵌入了损坏的标签和 XML 特殊字符(但未使用 CDData 标签进行换行)

我使用简单的 XStream 解析器来解码传入流，因为它是简单的序列化而不是严格的解析器。对于特殊字符，它会抛出 ConverterException 并且不会解析文件。

我想知道是否有其他解析器可用于解析无效的 XML 文件(特殊字符等)我们无法控制作为输入流发送的内容，并且作为审核应用程序的一部分，需要从传入文件中读取尽可能多的良好记录。

是否有更好的解析选项可用，或者我是否需要编写自定义解析器来解析这些文件？我正在使用 Spring Batch 进行批处理，并使用 XStream(1.x) 来解析 XML 文件。

AS XSD 验证失败，我想知道是否值得探索其他解析器/自定义解析器选项..

寻求您对 XML 验证的专家意见..

Answer 1

我理解您试图充分利用困惑的输入。不幸的是，由于该输入的格式似乎没有明确的规范，因此您实际上只能靠自己了。一种方法可能是首先将输入文件转换为有效的 XML，这基本上就是您通过编写自己的解析器所做的事情。在 Java 中，您可以通过使用自己的专用代码读取和解析文件并输出标准 Java XML 接口(interface)(SAX、DOM 等)来实现此目的。但是，根据您的知识，使用专门从事文本解析的不同语言可能会更快。

我的经验是，唯一真正的长期解决方案是强制数据提供者提供有效的 XML。这样做的原因是，尽管你可以尽最大努力从无效数据中提取出有效数据，但始终存在你的解释错误的风险。半有效的数据通常比没有数据更糟糕。恕我直言，最好将正确数据的责任留给供应商。