使用 XStream 解析器解析无效的 XML 字符 - Java [重复]

Question

我有一个经典的 XML 验证问题 - 我需要解析传入的 XML（来自其他应用程序 - 不使用正确的 XML 格式化程序），其中 Data 中嵌入了 Broken Tags 和 XML 特殊字符（但不使用 CDData 标签环绕）

我使用简单的 XStream 解析器来解组传入的流，因为它是简单的序列化而不是严格的解析器。对于特殊字符，它会抛出 ConverterException 并且不会解析文件。

我想知道是否有任何其他解析器可用于解析无效的 XML 文件（特殊字符等） 我们无法控制作为输入流发送的内容，并且作为审计应用程序的一部分，需要从传入文件中读取尽可能多的良好记录。

是否有更好的解析选项可用，或者我是否需要编写自定义解析器来解析这些文件？ 我正在使用 Spring Batch 进行批处理，并使用 XStream(1.x) 来解析 XML 文件。

由于 XSD 验证失败，我想知道是否值得探索其他解析器/自定义解析器选项..

寻找您对 XML 验证的专家意见..

Answer 1

我了解您试图充分利用混乱的输入。不幸的是，由于该输入的格式似乎没有明确的规范，因此您实际上是靠自己的。一种方法可能是首先将输入文件转换为有效的 XML，这基本上就是您通过编写自己的解析器所做的事情。在 Java 中，您可以通过使用自己的专用代码读取和解析文件并输出标准 Java XML 接口（SAX、DOM 等）来完成此操作。但是，根据您的知识，使用专门用于文本解析的其他语言可能会更快。

我的经验是，这里唯一的真正长期解决方案是强制数据供应商提供有效的 XML。这样做的原因是，尽管您可以尽最大努力从无效数据中提取有效数据，但始终存在您的解释错误的风险。而半有效的数据往往比没有数据更糟糕。恕我直言，最好将正确数据的责任留给供应商。