XMLPullParser 解析器无法解析 "(??????) [????] ·" inside xml 标签答案

【问题标题】：XMLPullParser parser failed to parse "(??????) [????] ·" inside xml tagXMLPullParser 解析器无法解析 "(??????) [????] ·" inside xml 标签
【发布时间】：2013-02-13 03:24:12
【问题描述】：

我正在使用 Jsoup 解析 XMLPullParser

<title>(??????) [????]0 BLACK LAGOON -???? &middot; ????- ?01-09?</title>
        <guid isPermaLink='true'>http://fenopy.eu/torrent/+black+lagoon+A+01+09+/OTcyOTA3Mw</guid>
        <pubDate>Wed, 27 Feb 2013 11:00:04 GMT</pubDate>
        <category>Anime</category>
        <link>http://fenopy.eu/torrent/+black+lagoon+A+01+09+/OTcyOTA3Mw</link>
        <enclosure url="http://fenopy.eu/torrent/-BLACK-LAGOON-01-09-/OTcyOTA3Mw==/download.torrent" length="569296173" type="application/x-bittorrent" />
        <description><![CDATA[ Category: Anime<br/>Size: 542.9 MB<br/>Ratio: 0 seeds, 3 leechers<br/> ]]></description>
        </item>

这是我的解析代码

int eventType = -1;

            while (eventType != XmlPullParser.END_DOCUMENT) {
                switch (eventType) {
                // at start of document: START_DOCUMENT
                case XmlPullParser.START_DOCUMENT:                      
                    break;

                // at start of a tag: START_TAG
                case XmlPullParser.START_TAG:
                    // get tag name
                    String tagName = parser.getName();


                    if (tagName.equalsIgnoreCase(TAG_TITLE))                            
                        String t = parser.nextText();

当我调用下一个文本并引发以下异常时..

org.xmlpull.v1.XmlPullParserException: unresolved: &middot; (position:TEXT (??????) [????] ...@36:59 in java.io.StringReader@40540698) 
at org.kxml2.io.KXmlParser.exception(KXmlParser.java:273)
at org.kxml2.io.KXmlParser.error(KXmlParser.java:269)
at org.kxml2.io.KXmlParser.pushEntity(KXmlParser.java:818)
at org.kxml2.io.KXmlParser.pushText(KXmlParser.java:849)
at org.kxml2.io.KXmlParser.nextImpl(KXmlParser.java:354)
at org.kxml2.io.KXmlParser.next(KXmlParser.java:1378)
at org.kxml2.io.KXmlParser.nextText(KXmlParser.java:1432)

【问题讨论】：

标签： java exception xml-parsing

【解决方案1】：

您的 xml 无效。 &middot; 对 xml 的引用无效。

XML 中有 5 个预定义的实体引用：

&lt;

&gt;> 大于

&amp; & &

&apos;'撇号

&quot;" 引号

更新

简单地使用正则表达式替换 XML 中的所有 HTML 字符

XMLString.replaceAll("(&[^\\s]+?;)", ""));

这会将&middot; 替换为“”

【讨论】：

是的，但是 xml 的无效字符太多了。那么它应该自动做些什么......比如设置一些功能 XmlPullParser.FEATURE_PROCESS_DOCDECL 你知道吗？
恐怕，这个引用超出了 xml 规范，它们来自 html 规范。正如我所看到的，您有混合 xml 和 html 的文件。有一个方法 defineEntityReplacementText 可以定义实体引用的替换，但你应该定义你拥有的每个引用。有html实体列表en.wikipedia.org/wiki/…
你能为我写一个正则表达式来删除所有以 & 开头和以 ; 结尾的单词吗？
有类似的问题stackoverflow.com/questions/10438694/…，请问可以用那个解决方案吗？
或者你可以使用 apache commons lang 库。方法 StringEscapeUtils.unescapeHtml4 将实体引用转换为 unicode 字符，但您应该注意编码。

【解决方案2】：

也许你可以这样做：

parser.setInput(...);
parser.defineEntityReplacementText("middot", "•");

因为这不适用于您的实现：

从 apache commons-lang 使用 HTML 转换，因为它似乎是 HTML 命名实体：

String xml = "<foo>Hello &middot; World!</foo>";
xml = StringEscapeUtils.unescapeHtml(xml);

评论的问题：

替换一切乱码：

String xml = "<...";

// Place all entities like "&middot;" in square brackets: "[middot]":
xml = xml.replaceAll("\\&(\\w+);", "[$1]");

// But not for the xml entities:
xml = xml.replaceAll("\\[(lt|gt|amp|quot|apos)\\]", "&$1;");

【讨论】：

我在设置输入后这样做了，但这没有效果。您是否知道有关设置 XmlPullParser.FEATURE_PROCESS_DOCDECL 以使其不会在此类元素上引发异常...
对不起，没有。您正在考虑首先添加前缀 <?xml version="1.0"?><!DOCTYPE title [ <!ENTITY middot '.'> ]>... 吗？也许在 setInput 之前（我的实现不是这样）？
我想从 XML 中删除所有无效字符。是否有任何正则表达式或任何库可以这样做..因为我想删除所有这些。

【解决方案3】：

我正在处理同样的问题，我找到了超级简单的解决方案：

xmlPullParser.setFeature(Xml.FEATURE_RELAXED, true);

【讨论】：

明确一点：import android.util.Xml; ... XmlPullParser 解析器 = factory.newPullParser(); parser.setFeature(Xml.FEATURE_RELAXED, true);