Question

我发现Nokogiri xml阅读器严格遵循xml语法，所以如果遇到xml中的无效字符，例如非转义的＆符号（例如<tag> Garage & Driveway </tag>）将导致抛出错误。

所以当我按照以下方式使用阅读器时：

Nokogiri::XML::Reader(infile).each do |node|
  # does stuff with node
end

引发错误：

Entity: line 1056614: parser error : xmlParseEntityRef: no name
            <tag>The & is invalid</tag>
                      ^

transmogrifier/gems/nokogiri-1.5.5/lib/nokogiri/xml/reader.rb:106:in `each'

使用这样的XML：

<root> 
  <items>
    <tag>The & is invalid</tag>
  </items>
  <items>  ...  </items>
<root>

解析大型文档。我注意到Nokogiri :: XML :: Parser优雅地处理了这个（更多），并删除了所有无效字符，这给了我一个更优雅的解决方案的希望。

理想情况下，我希望能够捕获错误并继续进行每次解析（因为很少的项目包含无效字符）。关于如何妥善处理这个问题的任何建议？

我注意到你可以通过ParseOptions，但没有运气使用它们。

提前致谢！

Answer 1

从Nokogiri::XML切换到Nokogiri::HTML，这对XML错误更加宽容，可能会有所帮助。

使用Nokogiri :: XML :: Reader处理无效的XML

1 个答案: