使用Java解析带有嵌套的XML开标签<?xml ...?>

Question

您能否帮我解析具有嵌套的<?xml version="1.0" encoding="utf-8"?>标签的XML。 当我尝试解析此XML时，出现了解析错误。

<?xml version="1.0" encoding="utf-8"?>      
<soap>
            <soapenvBody>
                <serviceResponse>
                    <?xml version="1.0" encoding="UTF-8"?>
                    <data>
                        <respCode>0</respCode>
                    </data>
                </serviceResponse>
            </soapenvBody>
        </soap>  

- Yogesh Patil

---

没有简单的方法来解析它，因为它不是有效的XML。但是看到它是一个SOAP响应，让我想知道是哪个服务提供给你的，如果有可能的话，最好是看看他们能否修复服务（或者如果你有权限的话，是否可以修复服务？）。 - undefined

你可以尝试预处理流，删除无效部分（例如使用正则表达式替换），然后使用常规的 XML 解析器进行解析。我还认为你也可以使用 SAX 解析器来解析它。 - undefined

我在从 SOAP 响应中几次看到过这种情况，即一个响应内包含另一个响应。如果你可以在解析之前对响应进行 HTML 编码，将其变成类似 <serviceResponse> 的形式，那就是正确的方式。 - undefined

你不是在尝试解析带有嵌套XML声明的XML，因为XML本身不能包含嵌套的XML声明。相反，你正在尝试解析非XML格式的输入。所以你需要使用一个非XML解析器。最好的做法是劝说文件供应商生成符合规范的XML文件。 - undefined

Answer 1

我想到一个处理HTML的解析器可能能够做你想要的事情。由于与严格的XML相比，HTML往往是一团糟，因此HTML解析器通常更容错。快速搜索找到了jsoup。使用大致以下代码，我能够从上面的示例XML中获取respCode：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

String data = "your xml goes here";
Document doc = Jsoup.parse(data);
String respCodeRaw = doc.select("respCode").first().text();
int respCode = Integer.valueOf(respCodeRaw);

我实际上在Clojure repl中测试了该库，但上面的代码应该可以工作！

- DaoWen

Answer 2

我认为这并不是一个Java问题。在XML主体中有第二个XML声明是非法的，因此我认为您将无法让任何XML解析器解析它。如果您可以控制XML（看起来您正在生成它以存储响应），那么您可以尝试使用CDATA包装内部XML文档：

<?xml version="1.0" encoding="utf-8"?>     
<soap>
    <soapenvBody>
        <serviceResponse>
          <![CDATA[
              <?xml version="1.0" encoding="UTF-8"?>
              <data>
                  <respCode>0</respCode>
              </data>
          ]]>
        </serviceResponse>
    </soapenvBody>
</soap>

编辑：

我认为你最可能根本不想在响应中包含额外的XML声明。你能控制创建响应的代码吗？我的猜测是，XML片段<data>...</data>被创建为单独的DOM对象，然后将字符串拼接在响应的中间。将整个XML文档对象写出会导致包含XML声明，但如果你只获取文档根节点对象（<data>）并将其作为字符串输出，则可能不会包含引起您所有麻烦的额外XML声明。

- DaoWen

---

谢谢回复。实际上，我无法控制XML响应，并且我知道它不是有效的XML。所以我选择了XML预处理选项，并选择了仅内部XML，然后使用SAX解析器解析它，并成功地检索到了我想要的数据：）。再次感谢。 - undefined

今天下午我做了一些工作后，我想到了一个新的解决方案，但由于它与我在这里的评论完全无关，所以我决定将其作为一个单独的答案发布。 - undefined

Answer 3

一个以<?开头的标签是一个处理指令。 <?xml...> 是一个XML声明，只能出现在xml内容的开头。它不允许出现在XML主体中。

为什么你的soap主体包含这个？你有删除它的选项吗？

- Rajesh J Advani

---

谢谢回复。我无法控制接收到的XML，所以我对XML进行了预处理然后解析它。 - undefined

Answer 4

我在Java中没有找到任何解析器来解析这样的嵌入式XML，因为它不是一个有效的XML，我猜几乎所有的解析器都会在解析之前验证XML。所以我选择了预处理XML并选择了内部XML，然后使用SAX解析器解析XML并从中提取值。谢谢大家的回复。

- Yogesh Patil

---

你发表原始帖子已经有一周了，所以你可能已经对此不再关注了——但如果你仍然对不使用预处理进行解析感兴趣，你应该看看我的新答案，关于使用Jsoup的。 - undefined