java - 配置 Xerces SAX 解析器以容忍 XML 语法错误

Question

我在解析错误生成的 XML 文档时收到此错误:

org.xml.sax.SAXParseException: The value of attribute "bar" associated with an element type "foo" must not contain the '<' character.

我知道是什么原因导致了这个问题。就是这一行:

<foo bar="x<y">42</foo>

应该是

<foo bar="x&lt;y">42</foo>

我知道这不是有效的 XML，但我的代码必须在无人值守的情况下下载和解析类似的文件，并且出于政治原因，可能无法说服供应商修复有问题的程序，特别是当其他程序正在读取该文件时文件并容忍此错误。

有什么方法可以配置 Xerces 来容忍它吗？目前它将其视为 fatal error 。实现 ErrorHandler 来忽略它并不令人满意，因为这样文档的其余部分就不会被解析。

或者，您能否建议另一个可以配置为容忍此错误的基于流的解析器？使用 DOM 解析器是不可行的，因为这些文档达到数百兆字节。

Answer 1

... and for political reasons it might not be possible to persuade the supplier to fix the faulty program ...

出于政治原因，你应该尽最大努力让他们修复它。在他们面前挥动需求规范，说明输入必须是格式良好的 XML。威胁要向他们收取开发定制解析器的费用。 (好吧，这可能行不通......)

不战而屈人之兵，只是把问题留给以后要与该供应商打交道的其他人。