Question

我有一个来自外部源代码的XML文档我需要每天使用XML::Simple perl模块一遍又一遍地解析。我的脚本是从crontab运行的，如果XML文档是健康的，它可以正常工作。但是如果文档无效，我会收到错误消息并死掉，如下所示：

junk after document element at line 740774, column 0, byte 36355798 at /usr/local/lib/perl/5.18.2/XML/Parser.pm line 187.

我在XML文档中找到了这一行，它看起来像这样：

<item>
    <element1>value1</element1>
    <element2>value2</element2>
    value3</element3>
    <element4>value4</element4>
</item>

我可以解析这个错误的文件而不会死吗？也许从解析器中删除此项并发出警告（而不是死！）或以某种方式忽略错误？

Answer 1

你不是。格式错误的XML是致命错误，您绝对不应该尝试修复它。

根据定义，是一个致命的错误，因为如果没有它，你最终会得到解析器必须处理各种边缘情况。因此，您应该拒绝XML，并告诉上游人员修复它。

请参阅：Dealing with malformed XML

特别是：http://www.xml.com/axml/notes/Draconian.html

我们希望XML能够让程序员编写可以通过Web传输并在大量桌面上执行的代码。但是，如果此代码必须包含针对各种草率最终用户实践的错误处理，则必须将其大小扩展到与Netscape Navigator或Microsoft Internet Explorer一样大小为数十兆字节的程度。打败目的。

在这种情况下 - 您也不应该使用其中包含的XML::Simple文档：

不鼓励在新代码中使用此模块。其他模块可用，提供更直接和一致的接口。

基本上 - XML::Simple谎言不是一个简单的XML解析器。它是 for 简单XML。还有更好的选择。

我会建议考虑像XML::Twig之类的东西。（还有其他选择 - 这是我的最爱）。

但是它们都不会处理格式错误的XML - 任何根据定义执行的解析器都会被破坏。

Perl：如何解析无效的XML文档？

1 个答案: