如何在Java中解析格式错误的XML？

Question

我有XML需要解析但无法控制创建.不幸的是,它不是非常严格的XML并包含以下内容:

<mytag>This won't parse & contains an ampersand.</mytag>

javax.xml.stream类根本不喜欢这个,并且正确地错误:

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[149,50]
Message: The entity name must immediately follow the '&' in the entity reference.

我该如何解决这个问题？我无法更改XML,所以我想我需要一个容错的解析器.

我倾向于修复一个不需要对现有解析器代码造成太多破坏的修复.

Answer 1

使用诸如tidy或之类的库tagsoup.

TagSoup,一个用Java编写的兼容SAX的解析器,它不是解析格式良好或有效的XML,而是解析在野外发现的HTML:糟糕,讨厌和野蛮,尽管通常很短.

Answer 2

如果它不是有效的XML(如上所述),则没有XML解析器可以处理它(如您所识别的那样).如果您知道错误的范围(例如上述实体问题),那么最简单的解决方案可能是对其运行更正过程(修复实体,如插入实体),然后将其提供给现有的解析器.

否则,你必须自己编写代码,内置支持这种异常.而且我无法相信除了繁琐且容易出错的任务之外的任何事情.