使用Nokogiri :: XML :: Reader處理無效的XML

Question

我發現Nokogiri xml讀者嚴格使用xml語法，因此如果在xml中遇到無效字符（如非轉義符號）（例如<tag> Garage & Driveway </tag>）會導致錯誤被拋出。

所以當我用讀者如下：通過分析大量文件

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

中途島：

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

拋出錯誤：

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' 

隨着XML像這樣。我注意到Nokogiri :: XML :: Parser處理這個（更多）優雅，並刪除所有無效的字符，這給了我一個更優雅的解決方案的希望。

理想情況下，我希望能夠抓住錯誤並繼續進行每個解析（因爲很少有項目具有無效字符）。有關如何優雅地處理這個問題的任何建議？

我注意到你可以通過ParseOptions，但沒有使用這些運氣。

在此先感謝！

Answer 1

從Nokogiri::XML切換到Nokogiri::HTML，這對XML錯誤更爲寬容，可能會有所幫助。