java - 配置 Xerces SAX 解析器以容忍 XML 语法错误

Question

解析错误生成的 XML 文档时出现此错误：

org.xml.sax.SAXParseException: The value of attribute "bar" associated with an element type "foo" must not contain the '<' character.

我知道是什么导致了问题。就是这一行：

<foo bar="x<y">42</foo>

应该是

<foo bar="x&lt;y">42</foo>

我知道这不是有效的 XML，但我的代码必须在无人看管的情况下下载和解析类似的文件，并且出于政治原因，可能无法说服供应商修复有故障的程序，尤其是当其他程序正在读取文件并容忍时这个错误。

有没有办法配置 Xerces 来容忍它？目前它将其视为致命错误。实现ErrorHandler忽略它并不令人满意，因为文档的其余部分没有被解析。

或者，您能否建议另一个可以配置为容忍此错误的基于流的解析器？使用 DOM 解析器是不可行的，因为这些文档会达到数百兆字节。

Answer 1

...并且出于政治原因，可能无法说服供应商修复有缺陷的程序...

出于政治原因，您应该尽最大努力让他们修复它。在他们面前挥动需求规范，说明输入必须是格式良好的 XML。威胁要向他们收取开发定制解析器的费用。（好吧，那可能行不通......）

By giving up without a fight, you are just leaving the problem to trouble other people who have to deal with this supplier in the future.

Answer 2

我认为您不会找到任何能够容忍此类错误的 XML 解析器。我唯一可以建议的是您对 XML 进行预处理以消除可能发生的错误。