更正 XML 结束标记

问题描述

我有多个 XML 文档由于从结束标记中遗漏了“/”而意外地格式错误。标签都是匹配的对，所以我们在每个文档中有 <tagname>content <tagname> 等等。文档中有层次结构，因此我们在其他标签中确实有标签（所有打开和关闭的方式都相同）。如果“/”在结束标记中，文档将正确形成。

问题：在结束标签中插入“/”的可靠且“简单”的方法是什么？

我很擅长使用 Python (3)、VB、VBA、C#、sql、REGEX 等。我希望有人可能已经遇到过这种情况并且有一个可以使用的 REGEX。

大约有 2000 个 XML 文档，全部存储在 MysqL (8) 数据库（InnoDB 表）的 LONGTEXT 字段中。

非常感谢任何帮助或指导。

青蛙

解决方法

在一般情况下，没有可靠且简单的方法可以做到这一点。它需要一个完整的递归解析器（一个能够处理递归语法的解析器）并且超出了正则表达式的能力。

如果您知道 <tagname> 元素不能嵌套，那么当您在另一个 <tagname> 中遇到 <tagname> 时，您知道它一定是错误的，并且应该是 {{1 }}。可以使用 SAX 解析器，检测嵌套的 </tagname> 事件，并替换 startElement 事件。 SAX 解析器在到达文档末尾时最终会失败，但到那时您可能已经拥有所需的所有信息。

如果标签可以嵌套，那么问题就会变得困难一个数量级，因为您现在需要先行了解哪些开始标签应该是结束标签——即便如此，也会涉及到一些猜测因素。