问题标签 [expat-parser]

我尝试使用 expat 进行 XML 解析，并且我在 XML 文件中有俄语符号，这个符号被 expat 错误地解释了。

我过期了_str：Р СѓСЃСЃРєРС'Р в„– текст</p>

而不是：Русский текст

这是我的剪切代码：

XML 文件：

我正在尝试为运行 busybox 1.13 的 ARM 嵌入式机器构建 expat (2.0.0) XML 解析库，在 ./configure 期间，我收到错误：

我已经指定了我的 gcc、g++、ar、ranlib、strip 等，这些都可以通过配置工具找到，并且我有最新的 libtool（在撰写本文时为 2.4.2）在 Ubuntu 12.10 上运行，那为什么说 libtool 不支持共享库呢？我的配置命令是：

...调用的完整输出是：

有人可以向我解释一下如何configure确定 libtool 是否支持构建共享库吗？

只有在尝试在64-bit下运行我的登录代码时，我才会无法登录talk.google.com进行初始测试。32位工作正常。

启用日志记录宏和 siginput 日志记录后，我可以看到它失败的 XML 是这样的：

在 expat 内部，我可以看到有人XML_ERROR_INVALID_TOKEN被抛出，但我不太确定从那里去哪里。有时它可以进行实际登录，但不久后就死了。它似乎是相对随机的，但总是在前 10 个响应内死亡。我认识到最后的垃圾数据可能是导致无效令牌的原因，但不确定是什么原因造成的。

我最初的想法是切换到64 位(??) 时出现编码问题，但老实说，我只是不知道什么会导致发生这种情况。

以下是 libjingle 死亡的日志中的一个附加示例片段：

还有一个：

其他：

其他：

以前有人遇到过这类问题吗？

当我从我的 XML 文档中打印出信息时，我会在每一行之前得到 ��。这是我的 XML 文档。

这是我的代码

这是它打印出来的：

这就是我希望它打印出来的内容：

任何帮助将不胜感激。谢谢你

我有一个具有以下结构的 XML 文档：

我能够创建解析器并打印出整个文档，但问题是我只想打印（用户）节点和具有特定属性（id）的子节点。

我的 PHP 代码是：

在start()函数中使用 this 可以选择正确的节点，但对读取过程没有任何影响：

任何帮助，将不胜感激

更新： XMLReader 工作，但使用 if 语句时它停止工作：

我是php的新手。我想将 xml 解析到数据库中。我尝试使用 DomDocument。但我的朋友建议我使用 expat2 解析器。我在谷歌上搜索它，但没有得到正确的答案，只得到了阅读 xml 的例子。但我想从解析器中添加、更新删除节点，还想将我的 xml 转换为数据库。所以请建议我。谢谢。

在我的 XML 输入文件中，我有以下行：

50\%和之间的那个字符75\%不是连字符而是破折号。

当我在 Python 中使用 expat 解析这个 XML 文件时：

我收到以下错误：

其中 35 是我在上面从 XML 输入文件中引用的行，而 99 是%右破折号之前的列。

如果我用 替换破折号–，则错误消失并且一切正常。所以我有一个解决方法。但我不明白为什么会这样。

我读到的关于这个问题的内容——例如Python 的 minidom、xml 和非法 unicode 字符——告诉我一些在 UTF-8 中合法的字符在 XML 中是不合法的，并指出我的第 2.2 节 XML规范合法字符范围。但是 Char 的定义包括 range #x20-#xD7FF。并且#x2013显然属于这个范围。所以有什么问题？

FWIW，XML 输入文件以 UTF-8 声明开头，

我使用十六进制编辑器验证短划线是否由字符序列 E2 80 93 表示，这是短划线的正确 UTF-8 编码。那么为什么外国人不接受呢？这是外籍人士的错误吗？

我有一些 XML 我试图用 C 中的 Expat 处理。XML 可以用 Java 解析，所以我没有理由相信它格式错误。此外，我拥有的 C 代码将解析我“手动”插入的字符串文字 - 但它无法解析我的 XML 文件。

这是代码（我添加了一些东西——如果上帝希望我们使用调试器，他不会给我们 printf）：

这是我试图解析的 XML 文件：

这是输出的示例...

（适用于所有线路）

如果我“作弊”并在阅读后添加此行...

该行将被解析（当然代码会因其他原因中断）。

因此，在从磁盘文件读取时似乎会发生一些混乱……这可能被读取为 16 位吗？但是将解析器的编码更改为 NULL 或 UTF-16 似乎没有任何区别。

任何人都可以提供解释吗？（如果有什么不同的话，我已经在 64 位 OSX 和 Linux 机器上运行了这段代码并且遇到了同样的问题）

我已将 Expat ( https://github.com/coapp-packages/expat ) 的 Nuget/Coapp 包添加到我的 Visual C++ 2012 项目中。该项目使用 Unicode 字符集，我终于找到了配置 Expat 构建规则的位置（项目属性>“配置属性”>“引用包”>“expat”）。我已将“UTFwidth”属性设置为“utf16”。这是有效的，即在编译期间XML_Char变为。wchar_t但是，包含 DLL 的可再发行包似乎不受此设置的影响，因为它将“libexpat.dll”而不是“libexpatw.dll”复制到输出目录。如果我手动复制正确的 DLL，我的程序将按预期运行。

如何修复构建过程以复制正确版本的 DLL？

我有这个代码：

这旨在在访问页面的该字节时用 1 标记一个 4096 位长的位集。

当我使用大约 1GB 的 XML 进行测试时，这段代码在我的测试机器上运行良好。但是当我在完整的东西（220GB 的 XML）上运行它时，它会出现以下分段错误：

但是它在运行的早期就这样做了，所以很难认为这是数据大小的产物。无论如何，我在使用一些非常相似的代码分析这个更大的数据集时没有问题（在https://github.com/mcmenaminadrian上查看我的 github 存储库- 这个项目是 memsize，但 pagestat 使用非常相似的代码）。此代码的唯一区别因素似乎是位集的使用。

有人能发现到目前为止我一直没有发现的错误吗？

（代码是多线程的 - bitset 线程安全吗？这可能是库问题 - 我的测试系统是 Mac OSX，但“生产”系统是 Linux - Ubuntu 12.04 LTS？）