Question

我正在使用REXML StreamListener解析维基百科XML转储。在几百万篇文章之后，它抱怨它无法找到匹配的关闭标记，并跳过文件的其余部分。

有没有办法让它忽略unclosed标签，并在它之后继续解析流？

Answer 1

Nokogiri SAX模式与REXML的SAX（StreamListener）模式非常相似。样品：

require 'nokogiri'

include Nokogiri

class PostCallbacks < XML::SAX::Document
  def start_element(element, attributes)
    if element == 'tag'
      # Process tag data here
    end
  end
end

parser = XML::SAX::Parser.new(PostCallbacks.new)
parser.parse_file("data.xml")

Nokogiri还有一个Reader接口，可以产生每个节点，以防你不喜欢SAX风格的回调接口。

reader = Nokogiri::XML::Reader(xml)    
reader.each do |node|
  # node is an instance of Nokogiri::XML::Reader
  puts node.name
end

不同之处在于Nokogiri可以从非格式化中恢复得比几乎任何解析器更好，这要归功于底层的libXML2恢复模式（默认情况下我相信）。

我可以编写一个可以处理未封闭标签的XML阅读器吗？

1 个答案: