Question

我正在尝试运行一个空手道测试，该测试在URL上调用GET，但是我发现当网站以小写形式返回其<!doctype声明（在“正常” HTML中完全可以接受）时，我认为空手道XML解析器会引发致命错误和警告。在我看来，空手道使用了XML解析器，因此严格来说，这可能是正确的行为，因为小写doctype会中断。但是，我找不到有效的HTML解决此问题的方法。我曾使用过不同的标题，但似乎无法超越。

我已经进行了一个小测试，幸运的是google.com也返回了小写声明：

示例测试

Given url 'http://www.google.com'
When method GET
Then status 200

错误

[Fatal Error] :1:3: The markup in the document preceding the root element must be well-formed.
15:19:45.267 [main] WARN com.intuit.karate.FileUtils - parsing failed: org.xml.sax.SAXParseException; lineNumber: 1; columnNumber: 3; The markup in the document preceding the root element must be well-formed.

<!doctype html><html .... blah

我下载了空手道源，并发现了报告的警告：

FileUtils.java

public static String toPrettyString(String raw) {
    raw = StringUtils.trimToEmpty(raw);
    try {
        if (Script.isJson(raw)) {
            return JsonUtils.toPrettyJsonString(JsonUtils.toJsonDoc(raw));
        } else if (Script.isXml(raw)) {
            return XmlUtils.toString(XmlUtils.toXmlDoc(raw), true);
        }
    } catch (Exception e) {
        logger.warn("parsing failed: {}", e.getMessage());
    }
    return raw;
}

通过检查返回文档的第一个字符，检查似乎在JSON或XML之间：

Script.java

public static final boolean isXml(String text) {
    return text.startsWith("<");
}

XmlUtils.java

然后我认为builder.parse失败了，因为它不是有效的XHTML，因为后面的注释暗示<!doctype将在递归调用中被删除。

public static Document toXmlDoc(String xml) {
    ...

    Document doc = builder.parse(is);
    if (dtdEntityResolver.dtdPresent) { // DOCTYPE present
        // the XML was not parsed, but I think it hangs at the root as a text node
        // so conversion to string and back has the effect of discarding the DOCTYPE !
        return toXmlDoc(toString(doc, false));

是否可以将此流转移到有效的HTML？

Answer 1

如果您查看日志，空手道还会告诉您，它已将完整响应（将在response变量中保留）保留为字符串-即使未能将其“类型转换”为XML。顺便说一下，您甚至在responseBytes中有一个字节数组。因此，现在就由您决定执行任何操作，例如，从理论上讲，您可以找到“宽容”的HTML解析器并获得DOM树或其他内容。

Given url 'http://www.google.com'
When method GET
Then status 200
* print response

一些提示，您可以尝试在response上进行字符串替换，然后尝试将其类型转换为XML，请参考：https://github.com/intuit/karate#type-conversion

或者也许您要做的只是刮除一些数据，并且某些常规的正则表达式匹配可能会起作用，请参考以下内容：

https://stackoverflow.com/a/53682733/143475

https://stackoverflow.com/a/50372295/143475

文档以小写<！doctype开头时，空手道HTML解析引发SaxException

1 个答案: