Perl：如何解析無效的XML文檔？

我有一個來自外部源的XML文檔，我需要每天一次又一次地使用XML::Simpleperl模塊進行解析。我的腳本是從crontab運行的，如果XML文檔是健康的，它就可以正常工作。但我得到的錯誤信息和死，如果該文件是無效的，這樣的事情：Perl：如何解析無效的XML文檔？

junk after document element at line 740774, column 0, byte 36355798 at /usr/local/lib/perl/5.18.2/XML/Parser.pm line 187.

我發現XML文檔中的這條線，它看起來像這樣：

<item> 
    <element1>value1</element1> 
    <element2>value2</element2> 
    value3</element3> 
    <element4>value4</element4> 
</item>

我可以分析這個錯誤的文件沒有死？也許從解析器中刪除這個項目併發出警告（而不是死！）或以某種方式忽略錯誤？

來源

2015-03-13 netdjw

不，你不能分析畸形的XML。你需要說服誰來創建數據來正確地完成它，或者在你處理它之前自己修復它。錯誤總是相似嗎？ – Borodin 2015-03-13 13:32:43

不，它們是變量......我認爲它來自源系統的開發人員。如果他們犯錯誤，我會得到格式不正確的XML。 – netdjw 2015-03-13 13:43:51

不要認爲它是XML。把它看作是發起者發明的專有語法。爲此語法編寫語法，如有必要，對其進行逆向工程，然後爲此語法編寫解析器。昂貴，但完全可行。如果你想要一個更便宜的選擇，說服供應商採用XML：使用標準可以節省每個人的錢。 – 2015-03-13 14:38:01

你不知道。格式不正確的XML是一個致命錯誤，您絕對不應該嘗試修復它。

根據定義，這是一個致命錯誤，因爲如果沒有這樣做，最終解析器不得不處理各種邊界情況。所以你應該拒絕XML，並告訴上游的人員修復它。

參見：Dealing with malformed XML

，尤其是：http://www.xml.com/axml/notes/Draconian.html

我們希望XML授權程序員編寫能夠通過Web傳輸的代碼並執行了大量的桌面。但是，如果此代碼必須包含對各種粗糙的最終用戶實踐的錯誤處理，那麼它必然會大到像Netscape Navigator或Microsoft Internet Explorer那樣尺寸達到幾十兆字節，因此擊敗目的。

在這種情況下 - 你也不應使用XML::Simple它有它的文檔：

使用本模塊中新代碼是不鼓勵。其他模塊可提供更直接和一致的接口。

基本上 - XML::Simple在於它不是一個簡單的XML解析器。它的爲簡單的XML。還有更好的選擇。

我會建議考慮類似XML::Twig而不是。（還有其他選擇 - 這是我最喜歡的）。

但都不會處理格式不正確的XML - 任何解析器的作用是根據定義中斷。

來源

2015-03-13 13:46:18 Sobrique

@netdjw：發起者在發送給你之前驗證XML非常容易。他們甚至可以通過['xmlvalidation.com']（http://www.xmlvalidation.com/） – Borodin 2015-03-13 14:10:21

Perl：如何解析無效的XML文檔？

回答

相關問題