Question

我有一个相当大的XML文档，我想从中获取一些信息。它太大而无法保存在内存中，因此我认为SAX解析器是合适的。

不幸的是，制作XML文档的人没有仔细阅读规范，因此它包含一些非法的XML实体（如）。除此之外，据我所知，它是好的。

对于任何依赖libxml的库，errors like these will disable future SAX processing unless they are run in recovery mode

/*
 * [ WFC: Legal Character ]
 * Characters referred to using character references must match the
 * production for Char. 
 */
if (IS_CHAR(val)) {
    return(val);
} else {
    ctxt->errNo = XML_ERR_INVALID_CHAR;
    if ((ctxt->sax != NULL) && (ctxt->sax->error != NULL))
        ctxt->sax->error(ctxt->userData,
                         "xmlParseCharRef: invalid xmlChar value %d\n",
                         val);
    ctxt->wellFormed = 0;
    if (ctxt->recovery == 0) ctxt->disableSAX = 1;
}
return(0);

但是，LibXML::XML::SaxParser和Nokogiri::XML::SAX似乎都是硬编码为而不是在恢复模式下运行，所以一旦遇到非法实体，解析几乎停止（前者抛出一个错误，而后者只是停止显示元素的开始/结束）。

有没有办法在恢复模式下运行其中一个（或另一个SAX解析器）？

Answer 1

好吧，我找到了一个我不喜欢的解决方案。使用Inline::C，我可以在运行时为recovery包裹的xmlParserCtxt的{{1}}值创建一个访问者。

Nokogiri::XML::SAX::ParserContext

如何在恢复模式下运行ruby SAX解析器？

1 个答案: