DocumentBuilder.parse 似乎从 HTTP 请求中随机跳过返回的 XML InputStream 的开头答案

【问题标题】：DocumentBuilder.parse seems to randomly skip the beginning of returned XML InputStream from a HTTP requestDocumentBuilder.parse 似乎从 HTTP 请求中随机跳过返回的 XML InputStream 的开头
【发布时间】：2018-01-30 22:05:14
【问题描述】：

我有以下代码来发送 HTTP 请求、接收响应（以 XML 的形式）并解析它：

public Document getDocumentElementFromDatabase() {
    // this URL is actually built dynamically from a query, but for this example I just use one of the possible resulting URLs
    String url = "http://musicbrainz.org/ws/2/recording?query=%22Thunderstruck%22+AND+artistname%3A%222Cellos%22";

    try {
        // sleep between successive requests to avoid flooding the server
        Thread.sleep(1000);
        HttpURLConnection connection = runQuery(url);
        InputStream stream = connection.getInputStream();
        if (stream != null) {
            BufferedInputStream buff = new BufferedInputStream(stream);
            return DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(buff);
        }
    }

    // I've grouped exception handling for this example
    catch (ParserConfigurationException | InterruptedException | SAXException | IOException e) {
        e.printStackTrace();
    }

    finally {
        if (connection != null) connection.disconnect();
    }

    return null;
}

private void runQuery(String url) throws MalformedURLException, IOException {
    HttpURLConnection connection = (HttpURLConnection) new URL(url).openConnection();
    connection.setRequestProperty("User-Agent", "MyAppName/1.0 ( myemail@email.email )");
    return connection;
}

此代码被多次调用，有时我收到以下错误：

[致命错误] :1:1: prolog 中不允许内容。

org.xml.sax.SAXParseException;行号：1；列号：1；序言中不允许有内容。

在 com.sun.org.apache.xerces.internal.parsers.DOMParser.parse（未知来源）

在 com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse（未知来源）

在 javax.xml.parsers.DocumentBuilder.parse(Unknown Source)

...

如果我尝试访问 Chrome 中的 URL，我每次都会收到有效的 XML 响应，无论我重新加载多少次。更重要的是，当我在笔记本电脑上运行完全相同的代码时，似乎没有出现同样的问题。

经过一番修改，我尝试将InputStreams 直接打印为字符串（使用this link 中的方法4），而不是解析它们，我注意到有时响应实际上没有预期的XML标头 (<?xml version="1.0" encoding="UTF-8" standalone="yes"?>)，但其他时候确实如此。

我的猜测是我在流中做错了什么，但我不知道是什么。

【问题讨论】：

您每 1 秒拨打一次电话，因此使用浏览器进行测试不是一个好方法。尝试每 10 秒或更长时间读取一次，看看是否有更少的错误。
我已经尝试使用 10 秒延迟，但仍然出现错误。

标签： java xml parsing inputstream

【解决方案1】：

我发现了问题。该站点有时似乎返回 JSON 响应而不是 XML，这导致解析器崩溃。我在runQuery 中添加了以下行：

connection.setRequestProperty("Accept", "application/xml");

我现在可以成功运行代码而不会出错。

【讨论】：