如何解析Java中严重形成的XML？

Question

我有XML，我需要解析但无法控制的创建。可惜这不是很严格的XML，并包含喜欢的东西：

<mytag>This won't parse & contains an ampersand.</mytag> 

的javax.xml.stream类不喜欢这个可言，这是正确与错误：

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[149,50] 
Message: The entity name must immediately follow the '&' in the entity reference. 

我怎样才能解决这个？我无法更改XML，所以我想我需要一个容错解析器。

我的首选是修复，不需要太多的破坏现有的解析器代码。

Answer 1

如果它不是有效的XML（像上面的），则没有XML解析器将处理它（因为你已经确定）。如果你知道错误的范围（比如上面的实体问题），那么最简单的解决方案可能是对它进行修正（修复诸如插入实体之类的实体），然后将其馈送到现有解析器。

否则，您必须自己编写一个内置的支持这种异常。我简直无法相信这只是一个单调乏味且容易出错的任务。

Answer 2

使用库如tidy或tagsoup。

TagSoup, a SAX-compliant parser written in Java that, instead of parsing well-formed or valid XML, parses HTML as it is found in the wild: poor, nasty and brutish, though quite often far from short.

Answer 3

我相信JSoup可以处理格式不对的XML