问题描述
|
我有一个Java SAXparser,它使用parse(new InputSource(conn.getInputStream()))下载和解析。不幸的是,有时下载网站的xml时会出错:\“ XML或文本声明不在实体的开始\”
显然这是不好的xml,必须首先声明:
<!DOCTYPE ... stuff here ...>
<?xml ... stuff here ...?>
不幸的是,似乎没有任何方法可以忽略此错误。我想我可以下载整个xml,然后使用正则表达式或其他方法修复此问题,然后解析它,但是似乎这在下载过程中没有解析的好处?有没有办法在解析时替换它?
解决方法
简单的解决方案:从流中读取第一行,消耗这些字节,然后将其传递给解析器。
正确的Java解决方案:创建一个中间流接口,该接口包装任何类型的流,并提供与SAX解析器兼容的流作为回报。然后创建一个类,专门为您的情况实现该接口。
这样,您可以在有问题的标头到达SAX解析器之前对其进行检测。
编辑:我只使用Apache Commons XML解析器,或者使用DOM解析器代替SAX。另外,除非您的XML真的很长,否则在下载期间或下载之后解析它不会有太大区别。
, 看看Jsoup。它可以处理格式错误的xml。