Question

我在阅读XML文件时遇到问题。如果你看下面的xml，你会看到元素<fl> ?fl>而不是<fl></fl>。我收到错误打开和结束标记不匹配。

如何：

XML文件中存在错误，例如<fl> ?fl>而不是<fl></fl>。如何在读取xml时忽略这样的错误或修复它们而不是用它来解析？
我只想阅读$_->{desc}->[0]->{en}->[0]而非<de>，<es>，<fl>的内容。

现在我正在阅读XML文件，如：

package test::test6382_sunseekingeurope;
use strict;
use warnings;
use test;
use base qw/test/;
use URI::URL;
use XML::Simple;
use Data::Dumper;
use constant TASK_ID => 6382;
use constant CR_TYPE => '6382';
use constant IMAGE_PATH => "/home/testco/public_html/files/";#"images/";

sub new
{
my $class = shift;
my $self = $class->SUPER::new(CR_TYPE, TASK_ID);
bless $self, $class;

my $url = 'http://www.onbip.com/xml/sunseeking9.xml';

my $xml = $self->geturl('url'=>$url);
$self->extract($xml);
}

sub extract{
my $self = shift;
my $xmlfile = shift;
my $xml = new XML::Simple(ForceArray=>1,'KeyAttr' =>'image');
my $data = $xml->XMLin($xmlfile);

foreach(@{$data->{property}}){
    my $property = &makeScalar($_->ID->[0]);
    my $description = &makeScalar($_->{desc}->[0]->{en}->[0]);

XML：

<property>
<id>226887</id>
<desc>
 <en>
  Nice house in the center of Alhaurin de la Torre with walking distance to all amenities.
 </en>
 <es>
  Bonita casa mata en Alhaurin de la Torre con vistas a la montana, se puede acceder caminando al centro, colegios, etc.
 </es>
  <de>
    guter zustand, bezaubernde immobilie,
  </de>
  <fl>
    bon n acces par la route, partiellement meubl?a proximit?'?les, partiellement r?v
  ?fl>
</desc>
</property>

Answer 1

没有通用的方法来修复XML文件中的错误。您所能做的就是将文件拒绝为无效的XML。 The error handling documentation for XML::Simple解释说：

XML标准在不合规问题上非常明确文档。解析任何单个元素时出错（例如a 缺少结束标记）必须导致整个文档被拒绝。

基本问题是这样的：一旦你允许文件包含错误，它就可以包含任何内容。没有办法解析它。实际上没有办法知道应该“纠正”什么。

如果由于某种原因，您的输入具有非常具体的，可预测的错误，您可以在将其传递给XML::Simple之前使用正则表达式检测到该错误。只要您知道一些特定的结束标记将包含?或?/而不是</，您可以执行以下操作：

my $xmlfile = shift;

my $xml = new XML::Simple(ForceArray=>1,'KeyAttr' =>'image');

#Try it to parse the file as is first.
my $data = eval { $xml->XMLin($xmlfile) };

#On error, try fixing.
if ($@)
{
    $xmlfile =~ s/\?\/?(desc|en|es|de|fl)>/<\/$1>/g;
    $data = eval { $xml->XMLin($xmlfile) };
    if ($@) 
    { 
        die "Failed to process the file even after attempting corrections: $@"; 
    }
}

以这种方式使用正则表达式有其危险性 - 您依赖于特定格式的输入XML。但是，通过首先尝试正常处理文件，至少可以最小化潜在的损害。这样，在文件失败的情况下，你只会冒一些风险。

更新：向第二次XMLIn()电话添加错误处理。

更新2：我更新了正则表达式以仅匹配提问者所需的确切案例（在这种情况下，最好尽可能具体，以避免误报匹配）。

分析器错误：打开和结束标签不匹配：

1 个答案: