java sax 解析器破坏 xml 1.1 的属性

Question

我正在使用 java 的 sax 类来解析 xml 文件。如果 xml 文件显示 1.0 版，一切正常，但如果显示 1.1 版，则 一些 属性会被破坏，给我错误的结果，但不会引发任何异常。

我的xml文件基本上是这样的：

<?xml version="1.1" encoding="UTF-8" ?>
<gpx>
  <trk>
    <name>Name of the track</name>
    <trkseg>
      <trkpt lat="12.3456789" lon="1.2345678">
        <ele>1234</ele>
        <time>2013-03-26T12:34:56Z</time>
        <speed>0</speed>
      </trkpt>
      ... and then 419 further identical copies of this trkpt
    </trkseg>
  </trk>
</gpx>

所以当我使用 sax 解析这个文件时，我期望的是找到 420 个 trkpt 标签，并且每个标签都有 lat 和 lon 属性。特别是，我希望找到 420 个“纬度”属性，它们都是“12.3456789”。

为了解析，我构造了一个处理程序对象并将其提供给这个本地文件的流：

SAXParser saxParser = SAXParserFactory.newInstance().newSAXParser();
inStream = new FileInputStream(file);
saxParser.parse(inStream, handler);
System.out.println("done");

处理程序类扩展 org.xml.sax.helpers.DefaultHandler 并且只有一个方法 startElement 来响应 trkpt 标签的打开：

public void startElement(String uri, String localName, String qName, Attributes attributes)
{
    if (qName.equals("trkpt") && attributes != null
        && attributes.getLength() == 2
        && attributes.getValue(0).charAt(0) != '1')
    {
        // The trkpt tag has two attributes
        // but the value of the first one doesn't begin with '1'
        System.out.println(attributes.getQName(0) + " = " + attributes.getValue(0));
    }
    super.startElement(uri, localName, qName, attributes);
}

那么结果是什么？ 如果 xml 文件的版本为 1.0，那么我看到的只是“完成”。找到了 420 个 trkpt 标签，它们都有两个属性，第一个总是被称为“lat”，这个属性的值总是以“1”开头，正如我所料。太好了！

如果将 xml 文件更改为在第一行指定 version="1.1"，那么我会得到以下输出：

lat = :34.56Z</t
lat = :56Z</time
done

所以即使我所有的 420 点都应该相同，但其中两个给了我一个完全错误的属性值。不抛出异常。仍然找到了 420 个 trkpt，它们都有两个属性，称为“lat”和“lon”。奇怪的是，lon 值总是可以的。

我通过直接复制/粘贴第一个 trkpt 在文本编辑器中创建了这个 xml 文件，所以我确信所有的值都是相同的，我确信 xml 文件中没有带有有趣属性值的点，而且我确信该文件没有非 ascii 字符值或实体代码或任何其他奇怪的东西。

我已经在具有两个不同操作系统的三台不同机器上使用 Sun 的 JRE6、OpenJDK6 和 OpenJDK7 进行了尝试。所以要么我做错了什么，要么这个特定的 xml 文件不知何故与 xml1.1 不兼容，或者存在广泛的 sax 错误（这似乎不太可能，因为我认为它会影响很多人）。再次请注意，使用 xml1.0 一切正常。另请注意，数字 420 没有什么特别之处，只是如果文件只有 100 个条目，那么它们都会被正确解析。如果您有数千个条目，那么其中一定数量的条目会以这种方式破坏它们的第一个属性值。属性值的长度似乎总是正确的，但它会从文件中的错误点提取字符。可能是索引溢出？

我尝试删除所有速度标签，但如果您有足够的 trkpts，问题仍然存在。它对额外的空白也很敏感，所以如果我在 trkpts 之间添加换行符，问题会出现在不同的点上或返回不同的属性值。

Answer 1

这个错误在 JDK XML 解析器中已经存在多年，Sun 和 Oracle 都没有表现出修复它的兴趣。我强烈建议优先使用 Apache Xerces XML 解析器。