iOS 上的 libxml2 在使用 HTMLParser 解析 HTML 时导致 EXC_BAD_ACCESS 错误

Question

我一直在做一个项目，该项目使用 libxml2 HTMLParser 模块来解析 iOS 上的网页 HTML。每当我尝试解析包含以下行的网页时，我都会从 libxml2 的 htmlParseDocument 中收到 EXC_BAD_ACCESS 错误：

<?xml version="1.0" encoding="UTF-8"?>

如果我从 HTML 中去掉这一行，解析就完美了。

另外请注意，我正在使用 DTHTMLParser 类将 libxml2 SAX 回调绑定到 Objective-C 代码。

由于 htmlParseDocument 中的 EXC_BAD_ACCESS 没有太多可做的，我已经构建了一个示例 Xcode 项目来重现错误。我在针对 iOS 5.1 的 Mountain Lion 上的 Xcode 4.4 中制作了它。首先，它解析一个不包含违规行的 HTML 文件，然后它尝试解析包含违规行的文档并崩溃。你可以在这里下载：http://michaelmanesh.com/code/libxml2-crash.zip

Answer 1

DTHTMLParser 中的问题显然是在 libxml 中准备 c-callbacks 的方法没有将遇到处理指令时要调用的函数的函数指针设置为 NULL。因此，处理指令导致 libxml2 尝试在某个随机地址调用函数，从而导致 EXC_BAD_ACCESS。

我通过实现对在遇到处理指令时调用的可选委托方法的支持来解决 DTHTMLParser 中的问题，如果在委托中未实现，则在处理程序结构中调用 NULL。

Answer 2

我认为 LibXML 错误地将其视为具有几乎相同语法的 处理指令。 Libxml 将其中包含<? 的每一行视为处理指令。虽然我不能完全确定到底出了什么问题。如果您删除问号，它将作为常规元素解析，您将在parser:didStartElement:attributes: 回调方法中获取属性。如果您在问号和 xml (<? xml) 之间放置一个空格，它将在 parser:foundCharacters 方法中返回。我不知道你的要求是什么，但这是让它不崩溃的两种方法。