잘못된(오류/잘못된) XML을 구문 분석하는 방법은 무엇입니까?-Java-php.cn

잘못된(오류/잘못된) XML을 구문 분석하는 방법은 무엇입니까?

PHPz

풀어 주다： 2024-02-09 23:20:40

앞으로

778명이 탐색했습니다.

PHP 편집기 Baicao가 잘못된 XML 파일을 구문 분석하는 방법을 소개합니다. XML 파일을 처리할 때 형식이 올바르지 않거나 오류가 포함되어 잘못된 XML이 발생하는 경우가 있습니다. 잘못된 XML 파일을 구문 분석하는 것은 필요한 데이터를 올바르게 가져오는 데 중요한 작업입니다. 이 문제를 해결하기 위해 PHP에 내장된 함수와 라이브러리를 사용하여 잘못된 XML을 확인하고 수정할 수 있습니다. 아래에서는 유효하지 않은 XML 파일을 구문 분석하는 데 일반적으로 사용되는 몇 가지 방법을 자세히 소개합니다.

질문 내용

현재 다른 제품에서 받은 xml을 파싱하는 기능을 작업하고 있습니다. 일부 실제 고객 데이터에 대해 몇 가지 테스트를 실행하기로 결정했는데 다른 제품에서는 사용자가 유효하지 않은 것으로 간주되어야 하는 입력을 입력하도록 허용하는 것 같습니다. 어쨌든, 나는 여전히 그것을 분석하는 방법을 찾으려고 노력해야 합니다. javax.xml.parsers.documentbuilder를 사용하고 있는데 입력하는 동안 다음 오류가 발생합니다.

으아악

아시다시피 설명에 잘못된 태그가 포함된 것 같습니다(<this-is-part-of-description>）。现在，这个描述标签被认为是叶标签，并且内部不应该有任何嵌套标签。无论如何，这仍然是一个问题，并在 documentbuilder.parse(...)

에 예외가 생성됨).

이 XML이 유효하지 않다는 것을 알고 있지만 예상대로 유효하지 않습니다. 그러한 입력을 구문 분석하는 방법에 대한 아이디어가 있습니까?

해결 방법

"xml"은 잘못된 보다 더 나쁩니다. 잘못된 xml입니다. ; 잘 구성된 xml과 유효한 xml을 참조하세요.

위반 예측 가능성에 대한 비공식적 평가는 도움이 되지 않습니다. 텍스트 데이터가 xml이 아닙니다. 이를 처리하는 데 도움이 될 수 있는 일관된 XML 도구나 라이브러리가 없습니다.

옵션, 이상적인 것 우선:

공급업체가 직접 문제를 해결하도록 하세요. 잘 구성된 XML이 필요합니다. (기술적으로 well-formed xml이라는 용어는 중복되지만 강조하는 데 도움이 될 수 있습니다.)
XML로 구문 분석하기 전에 문제를 해결하려면 허용 태그 파서를 사용하세요.
- 독립 실행형:  xmlstarlet 강력한 복구 및 복구 기능 포함 ^{_{크레딧: romanperekhrest}}
  으아악
- 독립형 및 c/C++: html tidy 작동하며 xml도 사용할 수 있습니다. taggle은 C++에 대한 tagsoup의 포트입니다.
- python: Beautiful Soup은 Python을 기반으로 합니다. 파서 간 차이점 섹션의 참고 사항을 참조하세요. 자세한 내용은 이 질문에 대한 답변을 참조하세요. Python에서 잘못된 형식의 태그를 처리하는 방법에 대한 조언, 특히 lxml에 대한 recover=true 옵션 이 포함되어 있습니다. 이 답변을 참조하여 codecs.encodedfile()를 사용하여 불법 문자를 삭제하는 방법을 알아보세요.
- java: tagsoup 및 jsoup은 html에 중점을 둡니다. filterinputstream 전처리 정리에 사용할 수 있습니다.
- .net:
  - xmlreadersettings.checkcharacters 可以禁用以解决非法 xml 字符问题。
  - @jdweng 注释 xmlreadersettings。 conformancelevel 可以设置为 conformancelevel.fragment这样 xmlreader 可以读取缺少根元素的 xml 格式良好的解析实体 .
  - @jdweng 还报告 xmlreader.readtofollowing() 有时可以用于解决 xml 语法问题，但请注意下面#3 中的违规警告。
  - microsoft.language.xml.xmlparser据说是“容错”的。
- 转到：设置decoder.strict到 false，如示例所示，作者：@chuckx。
- php：请参阅domdocument::$recover 和 libxml_use_internal_errors(true)。请参阅此处的好示例。
- ruby：nokogiri 支持“温和的 well-形式性”。
- r：请参阅htmltreeparse() 用于 r 中的容错标记解析。
- perl：请参阅xml::liberal ，一个“超级自由的 xml 解析器，可以解析损坏的 xml。”
使用文本编辑器手动将数据处理为文本或以编程方式使用字符/字符串函数。这样做以编程方式可以从棘手到不可能作为看起来是什么可预测的往往不是——打破规则很少受到规则的约束。
- 对于无效字符错误，请使用正则表达式删除/替换无效字符：
  - php： preg_replace('/[^\x{0009}\x{000a}\x{000d} \x{0020}-\x{d7ff}\x{e000}-\x{fffd}]+/u', ' ', $s);
  - ruby： string.tr ("^\u{0009}\u{000a}\u{000d}\u{0020}-\u{d7ff}\u{e000‌}-\u{fffd}", ' ')
  - javascript： inputstr.replace (/[^\x09\x0a\x0d\x20-\xff\x85\xa0-\ud7ff\ue000-\ufdcf\ufde0-\ufffd]/gm, '')
- 对于与号，使用正则表达式将匹配项替换为 &:^{_{信用：blhsin，演示}} p>
```
&amp;(?!(?:#\d+|#x[0-9a-f]+|\w+);)
```
  로그인 후 복사