解析具有不正确属性定义的文本答案

【问题标题】：Parsing through text with incorrect attribute definition解析具有不正确属性定义的文本
【发布时间】：2013-06-03 23:48:45
【问题描述】：

在尝试将 html 文档解析为 XML（从开头添加 xml）时，我遇到了标签内属性的问题。

<tr>
<td class="yfnc_tabledata1" nowrap align="right">Jun 4, 2013</td>
<td class="yfnc_tabledata1" align="right">453.22</td>
<td class="yfnc_tabledata1" align="right">454.43</td>
<td class="yfnc_tabledata1" align="right">447.39</td>
<td class="yfnc_tabledata1" align="right">449.31</td>
<td class="yfnc_tabledata1" align="right">10,454,600</td>
<td class="yfnc_tabledata1" align="right">449.31</td>
</tr>

虽然通常没关系（因为我的 xslt 代码实际上并没有引用它），但我收到了一个错误：

ERROR:  'Attribute name "nowrap" associated with an element type "td" must be followed by the ' = ' character.'
ERROR:  'com.sun.org.apache.xml.internal.utils.WrappedRuntimeException: Attribute name "nowrap" associated with an element type "td" must be followed by the ' = ' character.'

所以我想知道是否有办法让它抑制/忽略这些错误。（寻找一种不涉及单独解析的方法，该方法将首先删除所有 nowrap。）

（供参考，xml：http://pastebin.com/TLD4bZkq，xslt：http://pastebin.com/dPzDzeAX）

【问题讨论】：

标签： html xml xslt xml-parsing

【解决方案1】：

您尝试处理的数据不是 XML，因此 XML 解析器产生错误是正确的。

根据您使用的 XSLT 处理器以及调用方式，您可能能够使用 HTML 解析器而不是 XML 解析器将 HTML 解析为 DOM 树，然后将其传递给 XSLT 处理器，而不是让处理器自己解析文件。

但是请记住，XSLT 需要命名空间格式良好的 XML，如果解析器的输出不符合此规范，那么您将遇到问题。例如，在 Java（这是我最熟悉的）中，要让 XSLT 使用 DOM 文档，它必须是由命名空间感知解析器生成的有问题的文档实际上并没有使用任何命名空间。

【讨论】：

谢谢，我想是时候先做一个字符串解析器了。