用Java解析偽XML文件

Question

我正在嘗試解析來自偽XML格式的文件中的文本。 當它出現在以下結構中時，我可以從中獲取DOM文檔：

<product>
    <product_id>234567</product_id>
    <description>abc</description>
</product>

當結構類似於以下內容時，我遇到的問題發生了：

<product>
    <product_id>234567</product_id>
    <description>abc</description>
    <quantity 1:2>
        <version>1.1</version>
    </quantity 1:2>
        <version>1.2</version>
    <quantity 2:2>
    </quantity 2:2>
</product>

由於<quantity 1:2>的空格，它會生成以下異常：

org.xml.sax.SAXParseException:[Fatal Error] :1:167: Element type " quantity " must be followed by either attribute specifications, ">" or "/>"

我可以通過用下划線替換空間來解決這個問題。 問題是結構的大小可能不同，並且包含幾個具有相同格式的子節點（ <node 1:x> ），並且該文件可以包含數百個要解析的結構。 是否有一個類可以解析像這樣的文本返回一個類似樹的對象？

Answer 1

預處理文件並使用x：y格式將<element value="x:y"/>更改為<element value="x:y"/>然后您的DOM / SAX解析器不會阻塞。

我建議使用正則表達式來幫助，但這會導致瘋狂 。

Answer 2

您的文件不是XML可言，而SAX是XML（XML的簡單API）。 您應該重新考慮您的結構，以便您可以執行以下操作：

<quantity myAttr="1.2">
    <version>1.2</version>
</quantity>
<quantity myAttr="1.x">
    <version>1.1</version>
</quantity>
<version>1.0</version>

或類似的東西。

Answer 3

由於<quantity 1:2>的空格，它會生成以下異常

這不是錯誤的根本原因，根本原因是，正如人們已經提到的，您的文件格式不是有效的XML。 有效的XML標記看起來像<quantity attr1="val1" attr2="val2> 。

聽起來你無法控制文件格式。 在這種情況下，我認為最簡單的方法是將文件預處理為有效的XML，然后使用DOM / SAX解析器來解析它：

FileInputStream file = new FileInputStream("pseudo.pxml");
ByteArrayOutputStream temp = new ByteArrayOutputStream();
int c = -1;

while ((c=file.read()) >= 0){
   temp.write(c);
}

String xml = new String(temp.toByteArray());
xml = xml.replaceAll("([^:\s]+:[^:\s]+)", "value=\"\\1\"");

ByteArrayInputStream xmlIn = new ByteArrayInputStream(xml.getBytes());

/* use xmlIn for your XML parsers */

請注意，我沒有測試此代碼，也沒有進行優化; 只想給你一個主意。