标签: expat-parser

XML 应该是严格的，因此 XML 中不允许使用一些 Unicode 字符。然而，我正在尝试使用通常包含这些字符的 RSS 提要，并且我希望避免无效字符的解析错误，或者从它们中优雅地恢复并无论如何呈现文档。

请参阅此处的示例（无论如何在 3 月 21 日）：http://feeds.feedburner.com/chrisblattman

在 XML feed 中处理 unicode 的推荐方法是什么？检测字符并替换为空字节，编辑解析器，还是其他方法？

我试图在Android上解析带有SaxParser的xml文件.

这是我的xml文件:

<?xml version="1.0" encoding="UTF-8"?>
<cars>
    <car model="CitroenC3">
        <maintenances>
            <xm:maintenance xmlns:xm="it.a.b.android.c.car.m" distance="" price="">
                <xm:type></xm:type>
            </xm:maintenance>
        </maintenances>
        <chargings>
            <xc:charging xmlns:xc="it.a.b.c.fuelconsumption.car.m" quantity="18" price="20" distance="400" consumption="14"/>
        </chargings>
    </car>
</cars>

这是代码:

// Handling XML 
    SAXParserFactory spf = SAXParserFactory.newInstance();
    SAXParser sp = spf.newSAXParser();
    XMLReader xr = sp.getXMLReader();

    XmlResourceParser parser = getResources().getXml(R.xml.data);

    // Create handler to handle XML Tags ( extends DefaultHandler ) 
    DataSaxHandler myXMLHandler = new DataSaxHandler();
    xr.setContentHandler(myXMLHandler);
    InputStream is= getResources().openRawResource(R.xml.data);
    xr.parse(new InputSource(is));

在xr.parse后我有异常:

03-22 15:24:04.248:INFO/System.out(415):XML Pasing Excpetion =

org.apache.harmony.xml.ExpatParser$ParseException: At line 1, column 0: …

问题描述

我正在使用Expat和自定义C++包装器,我已经在其他项目上测试过.我遇到了问题,因为原始数据(c_str)没有以正确的方式转换为std :: string.这让我印象深刻,因为我没有改变包装器的来源.

看起来这个字符串在转换后得到以null结尾的字符:

onCharacterData( std::string( pszData, nLength ) ) // --> std::string( char* pszData)

我怎样才能解决这个问题？

拥有expat包装器

// Wrapper defines the class Expat and implements for example:
void XMLCALL Expat::CharacterDataHandler( void *pUserData, const XML_Char *pszData,
                                          int nLength )
{
  Expat* pThis = static_cast<Expat*>( pUserData );

  // XML_Char is char, therefore this call contains i.e.: std::string("hello", 5) 
  pThis->onCharacterData( std::string( pszData, nLength ) );
}

自定义解析器

// Parser is defined as: class Parser : Expat
void Parser::onCharacterData(const std::string& data )
{ …

在我的XML输入文件中,我有以下行:

<change beforeWhat="Literacy rate in L2: 50\%–75\%. Informally used" />

在50\%和之间的那个字符75\%不是连字符而是短划线.

当我在Python中使用expat解析此XML文件时:

postFixesDoc = minidom.parse('postFixes.xml')

我收到以下错误:

ExpatError: not well-formed (invalid token): line 35, column 99             

其中35是我在XML输入文件中引用的行,而99是%在en dash之前的右列.

如果我用短划线替换–,那么错误就会消失,一切正常.所以我有一个解决方法.但我不明白为什么会这样.

我读过的关于这个问题的内容 - 例如Python的minidom,xml和非法的unicode字符 - 告诉我,一些UTF-8中合法的字符在XML中是不合法的,并指出了XML的第2.2节法律字符范围的规范.但Char的定义包括范围#x20-#xD7FF.并且#x2013该范围内的明显下降.所以有什么问题？

FWIW,XML输入文件以UTF-8声明开头,

<?xml version="1.0" encoding="utf8"?>

我使用十六进制编辑器来验证短划线由字符序列E2 80 93表示,这是用于短划线的正确UTF-8编码.那么为什么不会外籍人士接受呢？这是外籍人士的错误吗？

我无法在Mac OS X 10.7.2上构建libjingle.当我$path_to_swtoolkit/hammer.sh按照libjingle的自述文件运行时输出如下 .

MBP17:talk rei25$ ~/Desktop/swtoolkit/hammer.sh
scons: Reading SConscript files ...

scons: warning: The build_dir keyword has been deprecated; use the variant_dir keyword instead.
File "/Users/rei25/Desktop/swtoolkit/site_scons/site_init.py", line 203, in BuildEnvironmentSConscripts
scons: done reading SConscript files.
scons: Building targets ...
________Compiling build/dbg/obj/third_party/expat-2.0.1/lib/xmlparse.o
third_party/expat-2.0.1/lib/xmlparse.c:6:48: error: string.h: No such file or directory
third_party/expat-2.0.1/lib/xmlparse.c:7:20: error: assert.h: No such file or directory
In file included from third_party/expat-2.0.1/lib/xmlparse.c:24:
third_party/expat-2.0.1/lib/expat.h:17:20: error: stdlib.h: No such file or directory
cc1: warnings being treated as errors …

在python中使用expat xml解析器时,我怎样才能将解析后的xml数据存储在字符串或文件或任何数据结构中.请告诉我一种方法来完成如何解析和使用xml数据的节点.