2

我正在使用 TinyXML2 来解析类似于以下内容的 XML：

<?xml version="1.0" encoding="US-ASCII"?>
<!DOCTYPE comp PUBLIC "-//JWS//DTD xyz//EN" "file:/documentum/xyz.dtd"
[<!ENTITY subject SYSTEM "dctm://he/abc">
]>
<comp>
...
</comp>

不幸的是，根据http://www.grinninglizard.com/tinyxmldocs/，看起来 TinyXML 不支持解析 DOCTYPE 标签，例如上面示例中的标签。我对 DTD 本身不感兴趣，只想解析 XML 的其余部分（从<comp>标记开始）。实现这一目标的推荐或最佳方法是什么？我尝试检索以<comp>（使用document.FirstChildElement("comp")）为根的 XML 子树，但这种方法失败了，可能是因为 TinyXML 无法继续解析超出<!ENTITY它似乎认为是错误的标记。关于如何使用 TinyXML 本身来实现这一点的任何想法（即最好不需要<!DOCTYPE ..>在调用 TinyXML 之前删除使用正则表达式匹配的预处理步骤）？

4

1 回答 1

1

您可以首先将整个文件加载到 std::string 中，跳过不受支持的语句，然后解析生成的文档，如下所示：

// Open the file and read it into a vector
std::ifstream ifs("filename.xml", std::ios::in | std::ios::binary | std::ios::ate);
std::ifstream::pos_type fsize = ifs.tellg();
ifs.seekg(0, ios::beg);
std::vector<char> bytes(fsize);
ifs.read(&bytes[0], fsize);

// Create string from vector
std::string xml_str(&bytes[0], fsize);

// Skip unsupported statements
size_t pos = 0;
while (true) {
    pos = xml_str.find_first_of("<", pos);
    if (xml_str[pos + 1] == '?' || // <?xml...
        xml_str[pos + 1] == '!') { // <!DOCTYPE... or [<!ENTITY...
        // Skip this line
        pos = xml_str.find_first_of("\n", pos);
    } else
        break;
}
xml_str = xml_str.substr(pos);

// Parse document as usual
TiXmlDocument doc;
doc.Parse(xml_str.c_str());

附加说明：如果 XML 文件太大，最好使用内存映射文件，而不是将整个文件加载到内存中。但这完全是另一个问题。

于 2013-09-30T18:06:26.730 回答