Perl：如何解析无效的 XML 文档？ [复制]

Posted 2023-02-16

【中文标题】Perl：如何解析无效的 XML 文档？ [复制]

【英文标题】：Perl: How to parse invalid XML document? [duplicate]

【发布时间】：2015-05-16 00:12:00

【问题描述】：

我有一个来自外部源的 XML 文档，我每天都需要使用 XML::Simple perl 模块一遍又一遍地解析它。我的脚本是从 crontab 运行的，如果 XML 文档正常，它可以正常工作。但是如果文档无效，我会收到错误消息并死掉，如下所示：

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

我在 XML 文档中找到了这一行，它看起来像这样：

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

我可以在不死的情况下解析这个错误的文档吗？也许从解析器中删除这个项目并发出警告（而不是死！）或者以某种方式忽略错误？

【问题讨论】：

不，您无法解析格式错误的 XML。您需要说服创建数据的人正确地执行它，或者在处理它之前自己修复它。错误总是相似的吗？

不，它们是变量...我认为它来自源系统的开发人员。如果他们犯了错误，我会得到格式错误的 XML。

不要将其视为 XML。可以将其视为创始人发明的专有语法。为这个语法写一个文法，如果有必要的话对其进行逆向工程，然后为这个文法写一个解析器。昂贵，但完全可行。如果您想要更便宜的选择，请说服供应商采用 XML：使用标准可以为每个人节省资金。

或者，不要使用此数据馈送。毕竟，如果他们无法获得正确的语法，你为什么要相信内容呢？应该是垃圾吧。

这不是替代品。我需要使用它。但是构建一个自己的解析器......这是一个聪明的想法。谢谢。

【参考方案1】：

你没有。格式错误的 XML 是一个致命错误，您绝对不应该尝试修复它。

这是一个致命的错误根据定义，因为如果没有它，解析器最终将不得不处理各种边缘情况。因此，您应该拒绝 XML，并告诉上游人员修复它。

见：Dealing with malformed XML

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

我们希望 XML 使程序员能够编写可以通过 Web 传输并在大量桌面上执行的代码。但是，如果此代码必须包括对各种草率的最终用户实践的错误处理，那么它的大小必然会膨胀到像 Netscape Navigator 或 Microsoft Internet Explorer 一样，大小达到数十兆字节，因此失败的目的。

在这种情况下 - 你也不应该使用 XML::Simple 它的文档：

不鼓励在新代码中使用此模块。其他模块也可以提供更直接和一致的接口。

基本上 - XML::Simple 在于它不是一个简单的 XML 解析器。它是 for 简单的 XML。还有更好的选择。

我会建议考虑像XML::Twig 这样的东西。 （还有其他选择 - 这是我最喜欢的）。

但两者都不会处理格式错误的 XML - 任何可以处理的解析器根据定义 已损坏。

【讨论】：

@netdjw：发起者在将 XML 发送给您之前验证 XML 非常容易。他们甚至可以通过xmlvalidation.com

在线完成