在 Javascript 中添加缺少的 XML 结束标记

Question

我需要使用 Node.js 解析具有以下结构的外部文件。

<ISSUER>
<COMPANY-DATA>
<CONFORMED-NAME>EXACTECH INC
<CIK>000012345
<ASSIGNED-SIC>9999
<IRS-NUMBER>8979898988
<STATE-OF-INCORPORATION>FL
<FISCAL-YEAR-END>1231
</COMPANY-DATA>
<BUSINESS-ADDRESS>
<STREET1>22W 56TH COURT
<CITY>GAINSVILLE
<STATE>FL
<ZIP>32653
<PHONE>999-999-9999
</BUSINESS-ADDRESS>
<MAIL-ADDRESS>
<STREET1>22W 56TH COURT
<CITY>GAINSVILLE
<STATE>FL
<ZIP>32653
</MAIL-ADDRESS>
</ISSUER>

块有结束标签，但单行没有。如何添加缺少的结束标记以便解析 XML？

我无法控制 XML 文件的生成，因此无法从源头修复它。

这类似于这个 Java 实现：Parsing XML with no closing tags in Java

Answer 1

您的数据看起来像 SGML，它是 XML 的超集，允许标签推断/省略。我正在为 JavaScript 发布一个 SGML 解析器（用于浏览器、node.js 和其他 CommonJS 平台），但它还没有发布。目前，我建议使用古老的 OpenSP 软件，它没有 npm 集成包，但您可以轻松安装在例如。 Ubuntu/Debian 使用 sudo apt-get install opensp，在其他 Linuxen 和 Mac OS 上通过 MacPorts 进行类似操作。

OpenSP 包包含osx 命令行实用程序，用于将 SGML 下转换为 XML。您可以使用节点 child_process 核心包来调用 osx 程序，将您的 SGML 数据通过管道传输，并获取由它生成的 XML 输出，然后将生成的 XML 提供给您在节点应用程序中选择的 XML 解析器.

SGML 和osx 程序必须被告知为CONFORMED-NAME、CIK 和其他带有省略的结束元素标签的元素添加省略的结束元素标签。为此，您可以在 SGML 内容之前添加 文档类型声明 (DTD)。在您的情况下，您向 osx 程序提供的内容应如下所示：

<!DOCTYPE ISSUER [
  <!ELEMENT ISSUER - -
     (COMPANY-DATA,BUSINESS-ADDRESS,MAIL-ADDRESS)>
  <!ELEMENT COMPANY-DATA - -
     (CONFORMED-NAME,CIK,ASSIGNED-SIC,IRS-NUMBER,
       STATE-OF-INCORPORATION,FISCAL-YEAR-END)>
  <!ELEMENT (BUSINESS-ADDRESS,MAIL-ADDRESS) - -
     (STREET1,CITY,STATE,ZIP)>
  <!ELEMENT
     (CONFORMED-NAME,CIK,ASSIGNED-SIC,IRS-NUMBER,
       STATE-OF-INCORPORATION,FISCAL-YEAR-END,
       STREET1,CITY,STATE,ZIP) - O (#PCDATA)>
]>
<ISSUER> ... rest of your input data followin here

至关重要的是，CONFORMED-NAME、CIK 和其他类似字段的元素的声明使用 - O（连字符减号和字母 O）作为 标记省略指示符，告诉 SGML这些元素的结束元素标签可以省略，并由osx 程序自动插入。

你可以在我的项目页面http://sgmljs.net/docs/sgmlrefman.html阅读更多关于这些声明的含义。