Question

我正在尝试使用javax.xml.stream.XMLStreamReader解析（相当大）的XML文件。文件格式正确（使用xmllint验证），但我仍然得到以下异常：

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[12418,95]
Message: XML document structures must start and end within the same entity.
at     com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:592)

这是我的代码的简化：

while(parser.hasNext()){
    parser.next();
    if (parser.getEventType() == XMLStreamReader.START_ELEMENT){
        if (parser.getLocalName() == "s") {
            // do stuff
        }
    }
    if (parser.getEventType() == XMLStreamReader.END_ELEMENT){
        if (parser.getLocalName() == "s") {
            // do more stuff                
        }
    }
    if (parser.getEventType() == XMLStreamReader.CHARACTERS){
        if (inSentenceElement) {
            // process text
            parser.getText()...
        }
    }
}

我已经检查了错误消息中给出的XML中的行/列，没有什么让我觉得异常。我一直在想文件的大小可能是一个问题，它们会被截断，以便在根元素关闭之前读取EOF。这是可行的，如果是的话，我该如何避免呢？

编辑：bz2-zipped文件最大为1.5G，最多7M行，但在大约10K行后4M崩溃的文件相对较小（尽管出现问题后的行数往往会因一些3K线。

Answer 1

Caused by: javax.xml.stream.XMLStreamException: ParseError at [row,col]:[1,4207737]
Message: Attribute name "i" associated with an element type "someElement" must be followed by the ' = ' character.
    at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:598)
    at com.sun.xml.internal.bind.v2.runtime.unmarshaller.StAXStreamConnector.bridge(StAXStreamConnector.java:181)
    at com.sun.xml.internal.bind.v2.runtime.unmarshaller.UnmarshallerImpl.unmarshal0(UnmarshallerImpl.java:355)
    ... 49 more

实际XML中的属性是：index =＆＃34; 1＆＃34;，所以它有效，但它被截断或其他东西。相同的代码和XML与Java 1.7.0u51一起使用，但是由于1.7.0u71的上述异常而失败。位置始终与该文件位于同一列（CharacterOffset = 4207736）。我正在使用JAXB，它在解组时调用它，但除了Java版本之外没有任何改变。

我建议检查最近添加的一些新的XML限制，以减少拒绝服务攻击，它确实适用于我的情况。 https://docs.oracle.com/javase/tutorial/jaxp/limits/using.html

具体来说，在运行的命令行中添加以下内容将禁用所有这些操作。我强烈建议找出更好的限制（或导致问题的特定限制），而不是用0来全部关闭。

java -Djdk.xml.entityExpansionLimit=0 -Djdk.xml.elementAttributeLimit=0 -Djdk.xml.maxOccurLimit=0 -Djdk.xml.totalEntitySizeLimit=0 -Djdk.xml.maxGeneralEntitySizeLimit=0 -Djdk.xml.maxParameterEntitySizeLimit=0 -Djdk.xml.maxElementDepth=0    -jar myJarfile.jar

SAX：XML文档结构必须在同一个实体中开始和结束

1 个答案: