在给定位置找到无效XML字符串中的父元素。

Question

示例：

...some string content here...
<test>
    <a>
        ...something...
    </a>
    <a/>
    {position 1}
    <b>{position 2}
        <c>
            ...something else...
            {position 3}
        </c>
        <c/>
        <d>
            <e/>
            {position 4}
            <e>
                ...another thing here...
                {position 5}
            </e>
        </d>
        {position 6}
    </b>
    {position 7}
...more xml and other sting content...

我需要在(例如)找到包含元素的父元素。以上所述位置。 结果是：{位置1} =测试{位置2} =b{位置3} =c{位置4} =d{位置5} =e{位置6} =b{位置7} =测试 备注：-任何元素标记名称都不知道-空字符串可能包含非xml内容-数据的大小非常大(>50 may文本文件)。

必须实现从给定位置开始向后读取的搜索技术，直到找到有效的匹配(如果有的话)。

谢谢

Answer 1

根据定义，无效的XML不能被解析。这就是为什么任何XML解析器都会拒绝解析它并返回一个错误。

如果XML解析器不能解析它，您(基本上)也不能解析它。您所要求的不是一些简单的字符串或简单的标记集合，这些标记可以被正则表达式抓取。你真的必须做一个完整的分析(可能是无效的数据！)以便在特定位置找到父标记。

更新:要了解我在说什么，请考虑在您的示例中找到{position 1}的父级。

• 解决这个问题的简单方法可能是“倒退并找到开始标记”。但是你显然不能接受你找到的第一个开始标记(<a>)，因为它会在位置之前关闭。
• 因此，当您返回时，您必须看到</a>，并记住<a>标记是关闭的，这样您就不会将<a>计算为父标记。
• 当然，在找到父标记之前，可能会有任意数量的打开和关闭标记。您必须跟踪所有这些标记(包括同一标记的多次出现)。

正如你所看到的，这是相当复杂的。这是在允许文件中的任何无效元素之前。

一种简单的方法可能有效:如果您确切地知道文件错误是什么，您可以删除这些错误，然后将更正的文件输入XML解析器。

否则，您将不得不为特定品牌的无效XML编写自己的自定义解析器。这甚至可能是不可能的，这取决于文件中错误的类型。