在 GAE 上解析完全有效的 XML 时，“prolog 中不允许有内容”答案

【问题标题】："Content is not allowed in prolog" when parsing perfectly valid XML on GAE在 GAE 上解析完全有效的 XML 时，“prolog 中不允许有内容”
【发布时间】：2011-03-03 03:13:33
【问题描述】：

在过去的 48 小时里，我一直在与这个绝对令人愤怒的 bug 搏斗，所以我想我最终还是认输并尝试在这里询问，然后再将笔记本电脑扔出窗外。

我正在尝试解析来自我对 AWS SimpleDB 的调用的响应 XML。响应很好地回到了网络上。例如，它可能看起来像：

<?xml version="1.0" encoding="utf-8"?> 
<ListDomainsResponse xmlns="http://sdb.amazonaws.com/doc/2009-04-15/">
    <ListDomainsResult>
        <DomainName>Audio</DomainName>
        <DomainName>Course</DomainName>
        <DomainName>DocumentContents</DomainName>
        <DomainName>LectureSet</DomainName>
        <DomainName>MetaData</DomainName>
        <DomainName>Professors</DomainName>
        <DomainName>Tag</DomainName>
    </ListDomainsResult>
    <ResponseMetadata>
        <RequestId>42330b4a-e134-6aec-e62a-5869ac2b4575</RequestId>
        <BoxUsage>0.0000071759</BoxUsage>
    </ResponseMetadata>
</ListDomainsResponse>

我通过

将此 XML 传递给解析器

XMLEventReader eventReader = xmlInputFactory.createXMLEventReader(response.getContent());

并多次致电eventReader.nextEvent(); 以获取我想要的数据。

这是奇怪的部分——它在本地服务器中运行良好。响应进来了，我解析一下，大家都很开心。问题是，当我将代码部署到 Google App Engine 时，传出请求仍然有效，响应 XML 对我来说似乎 100% 相同且正确，但响应无法解析，并出现以下异常：

com.amazonaws.http.HttpClient handleResponse: Unable to unmarshall response (ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.): <?xml version="1.0" encoding="utf-8"?> 
<ListDomainsResponse xmlns="http://sdb.amazonaws.com/doc/2009-04-15/"><ListDomainsResult><DomainName>Audio</DomainName><DomainName>Course</DomainName><DomainName>DocumentContents</DomainName><DomainName>LectureSet</DomainName><DomainName>MetaData</DomainName><DomainName>Professors</DomainName><DomainName>Tag</DomainName></ListDomainsResult><ResponseMetadata><RequestId>42330b4a-e134-6aec-e62a-5869ac2b4575</RequestId><BoxUsage>0.0000071759</BoxUsage></ResponseMetadata></ListDomainsResponse>
javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.
    at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(Unknown Source)
    at com.sun.xml.internal.stream.XMLEventReaderImpl.nextEvent(Unknown Source)
    at com.amazonaws.transform.StaxUnmarshallerContext.nextEvent(StaxUnmarshallerContext.java:153)
    ... (rest of lines omitted)

我对这个 XML 进行了双重、三重、四重检查以查找“不可见字符”或非 UTF8 编码字符等。我在数组中逐字节查看字节顺序标记或类似性质的东西.没有;它通过了我可以进行的所有验证测试。更奇怪的是，如果我也使用基于 Saxon 的解析器，就会发生这种情况——但仅在 GAE 上，它在我的本地环境中总是可以正常工作。

当我只能在完美运行的环境中运行调试器（我还没有找到任何在 GAE 上远程调试的好方法）时，很难跟踪代码中的问题。尽管如此，使用我拥有的原始方法，我已经尝试了一百万种方法，包括：

带有和不带有序言的 XML
有和没有换行符
prolog 中有和没有“encoding=”属性
两种换行样式
HTTP 流中存在和不存在分块信息

而且我已经在多种组合中尝试了其中的大多数，它们可以交互 - 没有！我无计可施。有没有人在此之前看到过这样的问题，希望能对此有所了解？

谢谢！

【问题讨论】：

我们可能需要查看更多代码。另一种可能性是在本地它没有被分块，而在 GAE 上它是。在将代码传递给解析器之前，您是如何处理代码的？
我也考虑了分块的可能性，但似乎并非如此，因为解析器抛出的错误消息包含整个 XML 就在那里（它已粘贴在上面）。整个修改后的 SDK 代码可以在 github.com/AdrianP/aws-sdk-for-java 找到（查看最近的提交），但是那里有很多代码。我会尽快尝试创建一个更小的可重现样本，尽管即使那样也很难。这是一个非常复杂的软件......不过感谢您的反馈！ :)
org.xml.sax.SAXParseException: Content is not allowed in prolog的可能重复
@Raedwald，我不认为我的问题是重复的，因为我的问题比那个问题早一年发布:)
这应该是一个应该如何在 SO 上提出问题的示例，通读它给了我关于如何作为开发人员进行调试的各种见解（感谢 OP）

标签： java xml google-app-engine parsing stax

【解决方案1】：

XML 和 XSD（或 DTD）中的编码不同。
XML 文件头：<?xml version='1.0' encoding='utf-8'?>
XSD文件头：<?xml version='1.0' encoding='utf-16'?>

导致这种情况的另一种可能情况是在 XML 文档类型声明之前有任何内容。即你可能在缓冲区中有这样的东西：

helloworld<?xml version="1.0" encoding="utf-8"?>

甚至是空格或特殊字符。

缓冲区中有一些称为字节顺序标记的特殊字符。在将缓冲区传递给解析器之前，请执行此操作...

String xml = "<?xml ...";
xml = xml.trim().replaceFirst("^([\\W]+)<","<");

【讨论】：

您好罗曼，感谢您的回复！在序言之前，我已经对缓冲区中的任何内容（包括隐藏字符）进行了多次和三次检查，但那里根本没有任何其他内容。不过，我将尝试切换到 utf-16 编码——出于好奇，您从哪里获得 XSD 使用 UTF-16 的信息？
@Adrian Petrescu 抱歉，这些只是示例如果您使用的是 DTD 或 XSD，请确保它们与您的 XML 匹配。在解析 XML 之前，将其捕获为字符串并用“|”括起来并将其打印到控制台。这将告诉您是否传递了一些额外的字符。
啊，我明白了 :) 不幸的是，我试过了，但在这种情况下似乎并非如此。还是谢谢！
谢谢！这也救了我。 xml.trim().replaceFirst("^([\\W]+)
有人请将此作为接受的答案。直接解决了我的问题。我正在解析以“消息：

【解决方案2】：

此错误消息总是由开始元素中的无效 XML 内容引起的。例如，超小点“.”在 XML 元素的开头。

“<?xml….”之前的任何字符都会导致上述“org.xml.sax.SAXParseException: Content is not allowed in prolog”错误消息。

“<?xml…. 之前的小点“.”

要修复它，只需删除 “<?xml“ 之前的所有奇怪字符。

参考：http://www.mkyong.com/java/sax-error-content-is-not-allowed-in-prolog/

【讨论】：

你应该提到你提到mkyong.com/java/sax-error-content-is-not-allowed-in-prolog的地方

【解决方案3】：

我有一个制表符而不是空格。替换选项卡 '\t' 解决了问题。

将整个文档剪切并粘贴到 Notepad++ 等编辑器中并显示所有字符。

【讨论】：

【解决方案4】：

我遇到了同样的问题。在我的例子中，XML 文件是从 c# 程序生成的，并被送入 AS400 进行进一步处理。经过一些分析确定我在生成 XML 文件时使用了 UTF8 编码，而 javac（在 AS400 中）使用“没有 BOM 的 UTF8”。因此，不得不编写类似于下面提到的额外代码：

//create encoding with no BOM
Encoding outputEnc = new UTF8Encoding(false); 
//open file with encoding
TextWriter file = new StreamWriter(filePath, false, outputEnc);           

file.Write(doc.InnerXml);
file.Flush();
file.Close(); // save and close it

【讨论】：

【解决方案5】：

我在我的 xml 文件中遇到了同样的问题，称为“prolog 中不允许内容”。

解决方案

最初我的根文件夹是“#文件名”。

当我删除第一个字符 '#' 时，错误得到解决。

无需删除#filename... 用这种方法试试。。

不要将 File 或 URL 对象传递给 unmarshaller 方法，而是使用 FileInputStream。

File myFile = new File("........");
Object obj = unmarshaller.unmarshal(new FileInputStream(myFile));

【讨论】：

【解决方案6】：

在我的 xml 文件中，标题如下所示：

<?xml version="1.0" encoding="utf-16"? />

在一个测试文件中，我正在读取文件字节并将数据解码为 UTF-8（没有意识到该文件中的标头是 utf-16）以创建一个字符串。

byte[] data = Files.readAllBytes(Paths.get(path));
String dataString = new String(data, "UTF-8");

当我尝试将此字符串反序列化为对象时，我看到了同样的错误：

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,1]
Message: Content is not allowed in prolog.

当我将第二行更新为

String dataString = new String(data, "UTF-16");

我能够很好地反序列化对象。所以正如 Romain 上面提到的，编码需要匹配。

【讨论】：

【解决方案7】：

在我的问题实例中，解决方案是将德语变音符号 (äöü) 替换为其 HTML 等效项...

【讨论】：

【解决方案8】：

下面是“org.xml.sax.SAXParseException: Content is not allowed in prolog”异常的原因。

首先检查schema.xsd和file.xml的文件路径。
XML 和 XSD（或 DTD）中的编码应该相同。
XML 文件头：<?xml version='1.0' encoding='utf-8'?>
XSD 文件头：<?xml version='1.0' encoding='utf-8'?>
如果在 XML 文档类型声明之前有任何内容。即：hello<?xml version='1.0' encoding='utf-16'?>

【讨论】：

【解决方案9】：

本着“删除

    BufferedReader test = new BufferedReader(new InputStreamReader(fisTest));
    test.mark(4);
    while (true) {
        int earlyChar = test.read();
        System.out.println(earlyChar);
        if (earlyChar == 60) {
            test.reset();
            break;
        } else {
            test.mark(4);
        }
    }

FWIW，我看到的字节是（十进制）：239、187、191。

【讨论】：

【解决方案10】：

删除 xml 声明解决了它

<?xml version='1.0' encoding='utf-8'?>

【讨论】：

【解决方案11】：

我在 notepad++ 中检查 xml 文件并保存文件时遇到了问题，尽管我的顶部 utf-8 xml 标记为 <?xml version="1.0" encoding="utf-8"?>

通过使用 Encoding(Tab) 将文件保存在 notpad++ 中得到修复 > 在 UTF-8 中编码：已选择（在 UTF-8-BOM 中编码）

【讨论】：

【解决方案12】：

意外原因：文件路径中有`#`字符

由于一些内部错误，如果文件内容本身 100% 正确但您提供的文件名如C:\Data\#22\file.xml.

这也可能适用于其他特殊字符。

如何检查：如果您将文件移动到没有特殊字符的路径并且错误消失，那么就是这个问题。

【讨论】：

【解决方案13】：

我今天收到了同样的错误消息。解决方案是将文档从带 BOM 的 UTF-8 更改为不带 BOM 的 UTF-8

【讨论】：

我遇到了同样的问题。更改文件格式解决了这个问题。谢谢！

【解决方案14】：

我在 Mac OS 中压缩 xml 并将其发送到 Windows 机器，默认压缩会更改这些文件，因此编码会发送此消息。

【讨论】：

意外原因：文件路径中有#字符

意外原因：文件路径中有`#`字符