Question

是否有用于修复大型（> 200MB）格式错误（缺少封闭式标签，不匹配的引号，非转义字符，不可打印字符等）xml文件的库？任何编程语言的库都可以。我发现PHP Tidy仅适用于小文件，因为它将整个文件读入内存。

Answer 1

Tidy可以使用-asxhtml或-asxml标志来做到这一点：

tidy -asxhtml input.xml output.xml

它还具有令人印象深刻的输出缩进功能（默认情况下，它不会产生非常漂亮的效果）。

Answer 2

Notepad ++包含HTMLTidy;它可以配置为修复XML，但您应该准备好截断/删除/或重新定位元素值;从而打破了XML文档本身的语义布局。

在任何情况下，使用Notepad ++手动修复XML都很有用，因为您可以使用折叠/展开工具和缩进来跟踪正常工作的XML节点，并完成整个文件直到修复完成

如果您的文件有XML架构，则可以修复该文件，然后根据该架构对其进行验证，以查找已移动的节点，如果很少有人可以手动修复它们。

在任何情况下，都没有我知道的修复/修复工具，无需大量人工操作即可为您完成此任务。

Answer 3

HTML可以帮助您整洁：

tidy -xml input.file output.file

只要了解整洁并不能创造奇迹，只需尝试将其重建为有效的XML文件即可。考虑到您可能正在丢失数据。