Question

我正在尝试使用SAX Parser解析XML，但继续得到XML document structures must start and end within the same entity.这是我期望的，因为我从其他来源获得的XML文档将不合适。但我不希望引发此异常，因为我想解析XML文档，直到我在该文档中找到<myTag>并且我不关心该文档是否有正确的启动和关闭实体。

示例：

<employeeDetails>
  <firstName>xyz</firsName>
  <lastName>orp</lastName>
  <departmentDetails>
  <departName>SALES</departName>
  <departCode>982</departCode>...

这里我不想关心文件是否有效，因为这部分不在我手中。所以我想解析这个文档，直到我看到<departName>之后，我不想解析文档。请建议我如何做到这一点。感谢。

Answer 1

您不能使用XML解析器来解析不包含格式良好的XML的文件。（它不一定是有效，只是格式正确。区别在于，请阅读Well-formed vs Valid XML。）

根据定义，XML必须格式正确，否则不是XML 。解析器通常必须满足一些基本约束才能运行，而对于XML解析器，它是良好的形式。

首先手动修复文件以构建格式良好的XML，或者以编程方式打开文件，然后使用传统的解析技术 将其解析为文本 文件。 除非您拥有格式良好的XML，否则XML解析器无法帮助您。

Answer 2

Python中的

BeautifulSoup可以很好地处理不完整的xml。我用它来解析大型XML文件的前缀以进行预览。

>>> from bs4 import BeautifulSoup
>>> BeautifulSoup('<a><b>foo</b><b>bar<','xml')
<?xml version="1.0" encoding="unicode-escape"?>\n<a><b>foo</b><b>bar</b></a>

哪个XML解析器可以处理不完整的XML文件？

2 个答案: