解析格式错误/不完整/无效的XML文件。

Question

解析格式错误/不完整/无效的XML文件。

6

我有一个使用JDOM和xpath解析XML文件的过程，代码如下：

private static SAXBuilder   builder         =   null;
private static Document     doc         =   null; 
private static XPath        xpathInstance       =   null;

builder = new SAXBuilder();
Text list = null;

try {
    doc = builder.build(new StringReader(xmldocument));

} catch (JDOMException e) {
            throw new Exception(e);
} 



try {
    xpathInstance = XPath.newInstance("//book[author='Neal Stephenson']/title/text()");
    list = (Text) xpathInstance.selectSingleNode(doc);
} catch (JDOMException e) {
    throw new Exception(e);
}

以上代码运行良好。XPath表达式存储在属性文件中，因此可以随时更改。现在，我必须处理一些来自遗留系统的XML文件，该系统仅以4000字节的块发送XML文件。现有处理方式读取4000字节的块并将其存储在Oracle数据库中，每个块作为数据库中的一行（不考虑对遗留系统或存储块作为行的处理进行任何更改）。

我可以通过提取与特定XML文档相关的所有行并合并它们来构建完整的有效XML文档，然后使用现有处理方式（如上所示）解析XML文档。

问题是，我需要从XML文档中提取的数据总是位于前4000个字节。当然，这个块不是一个有效的XML文档，因为它是不完整的，但包含了我需要的所有数据。我无法仅解析一个块，因为JDOM构建器会拒绝它。

我想知道是否可以在没有合并所有部分（可能会到很多）的情况下解析格式错误的XML块，以获取有效的XML文档。这将为我节省多次查询数据库以检查块是否可用，并且我也不必合并数百个块才能使用前4000个字节。

我知道我可能可以使用Java的字符串函数来提取相关数据，但是是否可以使用解析器甚至XPath来实现此目的？或者它们都希望在解析XML之前将XML文档作为格式良好的文档进行解析？

- ziggy

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Vlad · Accepted Answer

你可以尝试使用JSoup来解析无效的XML。按照定义，XML应该是格式良好的，否则它就是无效的，不应该被使用。更新 - 示例：

public static void main(String[] args) {
    for (Node node : Parser.parseFragment("<test><author name=\"Vlad\"><book name=\"SO\"/>" ,
            new Element(Tag.valueOf("p"), ""),
            "")) {
        print(node, 0);
    }
}

public static void print(Node node, int offset) {
    for (int i = 0; i < offset; i++) {
        System.out.print(" ");
    }
    System.out.print(node.nodeName());
    for (Attribute attribute: node.attributes()) {
        System.out.print(", ");
        System.out.print(attribute.getKey() + "=" + attribute.getValue());
    }
    System.out.println();
    for (Node child : node.childNodes()) {
        print(child, offset + 4);
    }
}