SAX：XML 文档结构必须在同一个实体内开始和结束答案

【问题标题】：SAX: XML document structures must start and end within the same entitySAX：XML 文档结构必须在同一个实体内开始和结束
【发布时间】：2013-04-03 13:17:22
【问题描述】：

我正在尝试使用javax.xml.stream.XMLStreamReader 解析（相当大的）XML 文件。这些文件格式正确（使用 xmllint 验证），但我仍然收到以下异常：

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[12418,95]
Message: XML document structures must start and end within the same entity.
at     com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:592)

这是我的代码的简化：

while(parser.hasNext()){
    parser.next();
    if (parser.getEventType() == XMLStreamReader.START_ELEMENT){
        if (parser.getLocalName() == "s") {
            // do stuff
        }
    }
    if (parser.getEventType() == XMLStreamReader.END_ELEMENT){
        if (parser.getLocalName() == "s") {
            // do more stuff                
        }
    }
    if (parser.getEventType() == XMLStreamReader.CHARACTERS){
        if (inSentenceElement) {
            // process text
            parser.getText()...
        }
    }
}

我已经检查了错误消息中给出的 XML 中的行/列，没有什么让我觉得不寻常。我一直认为文件的大小可能是一个问题，并且它们会被截断，以便在关闭根元素之前读取 EOF。这可行吗？如果可行，我该如何避免呢？

编辑：bz2 压缩文件的大小高达 1.5G，行数高达 7M，但在 4M 的相对较小的文件在大约 10K 行后崩溃（尽管出现问题的行数往往因一些 3K 行。

【问题讨论】：

您是否尝试过使用比 JDK 中提供的更先进的 SAX 解析器？
我发现一些拉式解析器非常有问题。最好的是伍德斯托克斯。

标签： java xml sax

【解决方案1】：

Caused by: javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,4207737]
Message: Attribute name "i" associated with an element type "someElement" must be followed by the ' = ' character.
    at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:598)
    at com.sun.xml.internal.bind.v2.runtime.unmarshaller.StAXStreamConnector.bridge(StAXStreamConnector.java:181)
    at com.sun.xml.internal.bind.v2.runtime.unmarshaller.UnmarshallerImpl.unmarshal0(UnmarshallerImpl.java:355)
    ... 49 more

实际 XML 中的属性是：index="1"，所以它是有效的，但是它被截断了。相同的代码和 XML 在 Java 1.7.0u51 上工作，但在 1.7.0u71 中出现上述异常而失败。位置始终与该文件位于同一列 (CharacterOffset = 4207736)。我正在使用 JAXB，它在解组期间调用它，但除了 Java 版本之外没有任何变化。

我建议检查最近添加的一些新 XML 限制以减少拒绝服务攻击，它确实适用于我的情况。 https://docs.oracle.com/javase/tutorial/jaxp/limits/using.html

具体来说，将以下内容添加到运行的命令行会禁用所有这些。我会强烈建议找到更好的限制（或导致问题的特定限制），而不是用 0 将它们全部关闭。

java -Djdk.xml.entityExpansionLimit=0 -Djdk.xml.elementAttributeLimit=0 -Djdk.xml.maxOccurLimit=0 -Djdk.xml.totalEntitySizeLimit=0 -Djdk.xml.maxGeneralEntitySizeLimit=0 -Djdk.xml.maxParameterEntitySizeLimit=0 -Djdk.xml.maxElementDepth=0    -jar myJarfile.jar

【讨论】：