SaxParser在下载时替换文本？

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。