如何使用 Perl 的 XML::Twig 解析不完整的 XML 片段？答案

【问题标题】：How can I parse incomplete XML fragments with Perl's XML::Twig?如何使用 Perl 的 XML::Twig 解析不完整的 XML 片段？
【发布时间】：2011-04-22 20:43:45
【问题描述】：

我正在尝试从 XML 格式的日志文件中提取数据。由于这些都很大，我使用XML::Twig 从缓冲区而不是整个文件中提取相关数据

由于这些是来自 STDIN 的级联数据，因此 XML 的格式还很不完善。解析器经常因错误而停止。如何让 XML 解析器忽略错误并仅提取我感兴趣的标签？我是否必须退回到正则表达式解析（开始标签 - 结束标签）？

【问题讨论】：

您能否提供一个示例，说明您将什么连接到来自 STDIN 的日志？还有你在找什么标签？
这些是 openfire/jabber/xmpp 日志。相关数据（聊天记录）在标签之间

标签： xml perl parsing xml-twig

【解决方案1】：

我最终得到了一个双重解决方案，我编写了一个简单的解析器例程，该例程可以提取多行 <message> 元素，并将这些格式良好的片段通过管道传输到另一个例程中，在该例程中我使用 Perl XML 库来提取数据。

【讨论】：

【解决方案2】：

我实际上只是在<message></message> 标签之间累积数据，然后解析该字符串，假设每条消息的内容很小：

#!/usr/bin/perl

use strict; use warnings;

use XML::Simple;
use Data::Dumper;

my $in_message;
my $message;

LOGENTRY:
while ( my $line = <DATA> ) {
    while ( $line =~ /^<message/ .. $line =~ m{</message>$} ) {
        $message .= $line;
        next LOGENTRY;
    }
    if ( $message ) {
        process_message($message);
        $message = '';
    }
}

sub process_message {
    my ($message) = @_;

    my $xml = XMLin(
        $message,
        ForceArray => 1,
    );
    print Dumper $xml;
}

__DATA__
ldksj
lskdfj
lksd

sdfk

<message sender="1">Hi</message>

sdk
dkj

<message sender="2">Hi yourself!</message>

sd

输出：

$VAR1 = {
          '发件人' => '1',
          '内容' => '嗨'
        };
$VAR1 = {
          '发件人' => '2',
          '内容' => '你好！
        };

【讨论】：

感谢（非常优雅！）解决方案建议。但是我担心每个标签不会在一行，一个新的可以在同一行开始等等。这使得它（稍微）更难以解析！我希望 Xml:Twig 能让我免于进行设置、维护缓冲区等工作