xml - 使用 Perl 验证伪 xml 文件

Question

我有一个文件，其中包含类似 xml 的标签和一堆无效的 xml 数据，因此我无法在该文件上使用普通的 xml 验证器，例如 xmllint。我想忽略无效的 xml 数据，只检查文件的格式是否正确。

<?xml version="1.0" encoding="utf-8"?>
<HOST>
<VERSION>5</VERSION> 
<OUTPUT>
   bunch of text which also contains tags like  <SYSTEM> 
   more tags like <->   <temp>  & ; 
   some more text and numbers
 </OUTPUT>
</HOST>

在上面的例子中，我可以忽略像 、<->、&、; 这样的标签吗？等等，只需检查有效的开始和结束标签，如 和

。上面的文件应该返回说它格式良好，因为所有有效的标签都有正确的左括号和右括号。

我可以创建自己的 dtd/xsd 吗？？使用 Perl 查找我想要的标签并忽略其余标签。

我的主要问题是我不知道正确的关键字来描述我的问题，这就是为什么谷歌没有给我正确的结果。有人可以把我推向正确的方向。谢谢

Answer 1

您必须先清理输入。一旦你这样做了，那么你就可以进行 DTD、模式、正确的解析等等。

如果只是 OUTPUT标签，你可以试试这个:

s/(<OUTPUT>)/$1<![CDATA[/;
s/(</OUTPUT>)/]]>$1/;

完成之后，您的输入应该准备好进行 XML 解析、验证等。如果您的输入可能包含 CDATA 部分，您将不得不做更多的事情，但这应该足以开始。