java - 从 Stax XMLStreamReader 读取以解组部分

Question

我正在使用 Stax cursor api 从大型 xml 文件中提取数据。当前，我转到一个特殊标记的开头并使用 JAXB 解组该标记。这适用于格式良好的 xml 文件。但不久前，我有一份文档，其中数十万个标签中的一个没有关闭。JAXB 一直使用 XMLStreamReader 直到文档结束并失败。有没有办法从开始标签读取到结束标签并将其分开？所以我会丢失两个带有异常的标签，而不是文档的其余部分。我发现的唯一方法是使用普通的 BufferedReader 而不是 XMLStreamReader 并检查行内容。但在我看来，这个解决方案很难看。

Answer 1

我使用 jackson 反序列化 XML 片段取得了相当大的成功。当单个读取失败时，可以通过将光标移动到下一个片段来恢复该过程：

import com.fasterxml.jackson.dataformat.xml.XmlMapper;

import javax.xml.bind.annotation.XmlElement;
import javax.xml.bind.annotation.XmlRootElement;
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamConstants;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.XMLStreamReader;
import java.io.StringReader;

public class XmlFragmentReader {
    public static void main(String[] args) throws XMLStreamException {
        String xml =
            "<list>\n" +
            "<object><name>a</name></object>\n" +
            "<object><name>b</name>\n" + // Missing closing tag
            "<object><name>c</name></object>\n" +
            "<object><name>d</name></object>\n" +
            "<object><name>e</name></object>\n" +
            "</list>";

        XMLStreamReader reader = XMLInputFactory
            .newInstance()
            .createXMLStreamReader(new StringReader(xml));

        XmlMapper mapper = new XmlMapper();
        while (next(reader, "object")) {
            try {
                Obj obj = mapper.readValue(reader, Obj.class);
                System.out.println("Read: " + obj.getName());
            } catch (Exception e) {
                System.err.println("Read Failed: " + e);
            }
        }
    }

    // Advance cursor to the opening tag <name>
    private static boolean next(XMLStreamReader reader, String name) throws XMLStreamException {
        while (true) {
            if (reader.getEventType() == XMLStreamConstants.START_ELEMENT && reader.getLocalName().equals(name)) {
                return true;
            } else if (!reader.hasNext()) {
                return false;
            }
            reader.next();
        }
    }

    // Test object
    @XmlRootElement(name = "object")
    public static class Obj {
        private String name;

        @XmlElement
        public String getName() {
            return name;
        }

        public void setName(String name) {
            this.name = name;
        }
    }
}

输出：

Read a
Read d
Read e