使用 SAX 读取 XML，跳过传递 org.xml.sax.SAXParseException 的节点

Posted 2023-02-24

【中文标题】使用 SAX 读取 XML，跳过传递 org.xml.sax.SAXParseException 的节点

【英文标题】：Reading an XML with SAX, skipping the nodes that passes org.xml.sax.SAXParseException

【发布时间】：2012-01-03 14:52:36

【问题描述】：

我正在使用 SAX (javax.xml.parsers.SAXParser;) 读取 XML。在该 XML 中，子节点值中有一些特殊字符，如 (&,,",')。因此，到目前为止，SAX 已成功读取 XML，但此时它会抛出 org.xml.sax.SAXParseException。

例如，在下面的示例 XML 中，SAX 最多读取成功的节点值。但它会抛出这个org.xml.sax.SAXParseException，因为 Name 参数的值有 。

<Parent>
   <child1>
      LS-23541723
   </child1>
   <child2 id="2" Name="T-Shirt And Denim - T<D" Rate="500.00">
   </child2>
   <child3>
      <![CDATA[This is the child 2]]>
   </child3>
   <child4>
      <![CDATA[This is the child 4]]>
   </child4>
</Parent>

我无法事先确定包含这些特殊字符的节点。（它是动态的。）所以，我想做的是，用 SAX 读取 XML，忽略包含这些特殊字符的节点。简单，如果可以使用 SAX 读取 XML，我想我可以这样做，跳过传递 org.xml.sax.SAXParseException 的节点。

这可能吗？如果可以，怎么做？

注意：我不能简单地将它们替换为 & 之类的实体引用，因为有时 XML 节点也会与 < 、> 一起使用（以 <child1> 的形式出现）。因此，在开始使用 SAX 阅读之前，我将所有实体引用替换为字符引用。（replaceAll(">",">") 等）

【参考方案1】：

我不认为 SAX 可以处理这个问题。 XML 必须格式正确。因此，在将文本提交给 SAX 之前，您必须进行大量替换。查找任何不在正确位置的'、" 或<。 " 在" 之间，' 在' 和< 之间，它不是开始标签或结束标签的一部分。这应该是可行的。这是您第一次通过后的第二次通过，将< 和> 替换为等效的对应项。 理想情况下，您还应该注意 cmets、CDATA 部分等...以确保它们格式正确。

【讨论】：

谢谢Ikuty，其实我现在也得出了这个结论。