如何解析無效（錯誤/格式不正確）的 XML？

php小編百草為您介紹如何解析無效的XML檔。在處理XML檔案時，有時會遇到無效的XML，可能是因為格式不正確或包含錯誤。解析無效的XML檔案是一項重要的任務，以確保我們能夠正確地取得所需的資料。為了解決這個問題，我們可以使用PHP的內建函數和函式庫來檢查和修復無效的XML。下面我們將詳細介紹幾種常用的方法來解析無效的XML檔。

問題內容

目前，我正在開發一項功能，該功能涉及解析我們從其他產品收到的 xml。我決定針對一些實際的客戶資料執行一些測試，看起來其他產品允許使用者輸入應被視為無效的輸入。無論如何，我仍然必須嘗試找出解析它的方法。我們正在使用 javax.xml.parsers.documentbuilder，我在輸入時收到以下錯誤。

<xml>
  ...
  <description>Example:Description:<THIS-IS-PART-OF-DESCRIPTION></description>
  ...
</xml>

如您所知，描述中似乎包含無效標籤（d30036ddc824403d51b03f80ff62bdc4）。現在，這個描述標籤被認為是葉標籤，並且內部不應該有任何嵌套標籤。無論如何，這仍然是一個問題，並在 documentbuilder.parse(...) 上產生異常

我知道這是無效的 xml，但可以預見它是無效的。關於解析此類輸入的方法有什麼想法嗎？

解決方法

“xml”比無效更糟－它格式不正確；請參閱

#格式良好與有效的xml

2. 。

   對違規行為的可預測性進行非正式評估沒有幫助。該文字資料不是 xml。沒有一致的 xml 工具或函式庫可以幫助您處理它。
   • 選項，最理想的第一個：

     讓提供者自行解決問題。 需要格式良好的 xml。 ^{（從技術上講，_{格式良好的 xml 一詞是多餘的，但可能有助於強調。）}}

     使用
   寬容標記解析器
   • 在解析為 xml 之前解決問題：

     獨立： xmlstarlet

     具有強大的恢復和修復功能功能
   • 信用：

     romanperekhrest

   • ##

     xmlstarlet fo -o -r -h -d bad.xml 2>/dev/null

   • 獨立和 c/c ：

     html tidy### 有效也可以使用 xml。 ###taggle### 是一個連接埠tagsoup 到 c 。 ### ### #########python：### ###美麗的湯### 基於python。請參閱###解析器之間的差異###部分中的註解。另請參閱###此問題的答案###以了解更多信息 關於處理 python 中格式不正確的標記的建議， 特別包括###lxml 的 ###recover=true### 選項###。 另請參閱###此答案###以了解如何使用 ###codecs.encodedfile()### 清理非法字元。 ### ### #########java：### ###tagsoup### 和###jsoup### 專注於 html。 ######filterinputstream###### 可用來 ###預處理清理###。 ### ### #########.net：######
     • xmlreadersettings.checkcharacters 可以 禁用以解决非法 xml 字符问题。
     • @jdweng 注释 xmlreadersettings。 conformancelevel 可以设置为 conformancelevel.fragment这样 xmlreader 可以读取缺少根元素的 xml 格式良好的解析实体 .
     • @jdweng 还报告 xmlreader.readtofollowing() 有时可以 用于解决 xml 语法问题，但请注意 下面#3 中的违规警告。
     • microsoft.language.xml.xmlparser据说是“容错”的。

   • 转到：设置decoder.strict到 false，如示例所示，作者：@chuckx。

   • php：请参阅domdocument::$recover 和 libxml_use_internal_errors(true)。请参阅此处的好示例。

   • ruby：nokogiri 支持“温和的 well-形式性”。

   • r：请参阅htmltreeparse() 用于 r 中的容错标记解析。

   • perl：请参阅xml::liberal ，一个“超级自由的 xml 解析器，可以解析损坏的 xml。”

3. 使用文本编辑器手动将数据处理为文本或 以编程方式使用字符/字符串函数。这样做 以编程方式可以从棘手到不可能作为 看起来是什么 可预测的往往不是——打破规则很少受到规则的约束。

   • 对于无效字符错误，请使用正则表达式删除/替换无效字符：

     • php： preg_replace('/[^\x{0009}\x{000a}\x{000d} \x{0020}-\x{d7ff}\x{e000}-\x{fffd}]+/u', ' ', $s);
     • ruby： string.tr ("^\u{0009}\u{000a}\u{000d}\u{0020}-\u{d7ff}\u{e000‌​}-\u{fffd}", ' ')
     • javascript： inputstr.replace (/[^\x09\x0a\x0d\x20-\xff\x85\xa0-\ud7ff\ue000-\ufdcf\ufde0-\ufffd]/gm, '')

   • 对于与号，使用正则表达式将匹配项替换为 &: ^{_{信用：blhsin，演示}} p>

     &(?!(?:#\d+|#x[0-9a-f]+|\w+);)

请注意，上述正则表达式不会接受注释或 cdata

按照设计，标准 xml 解析器永远不会接受无效的 xml。

您唯一的选择是在解析输入之前预处理输入以删除“可预见的无效”内容，或将其包装在 cdata 中。

以上是如何解析無效（錯誤/格式不正確）的 XML？的詳細內容。更多資訊請關注PHP中文網其他相關文章！