Java 具有持续验证的 XMLReader：未定义的行为

Question

我正在解析和验证 (xsd) 长 XML（总是 well-formed）文件，报告所有验证问题.

我的解析器报告并继续处理错误，但有一个奇怪的例外：当一个由多个节点 (children) 组成的节点 (parent) 在任何节点上验证失败时child 个节点，对所有 children 继续正确解析，但验证停止直到下一个 parent 个节点开始 。

考虑简单 XSD:

<?xml version="1.0" encoding="UTF-8" ?>
<xsd:schema xmlns:xsd="http://www.w3.org/2001/XMLSchema">

 <xsd:element name="customerDataFile">
  <xsd:complexType>
   <xsd:sequence>
    <xsd:element ref="customerList"/>
   </xsd:sequence>
  </xsd:complexType>
 </xsd:element>

 <xsd:element name="customerList">
  <xsd:complexType>
   <xsd:sequence>
    <xsd:element ref="customerData" minOccurs="1" maxOccurs="unbounded"/>
   </xsd:sequence>
  </xsd:complexType>
 </xsd:element>

 <xsd:element name="customerData">
  <xsd:complexType>
   <xsd:sequence>
    <xsd:element ref="NameField1"/>
    <xsd:element ref="NameField2"/>
   </xsd:sequence>
  </xsd:complexType>
 </xsd:element>

 <xsd:element type="name_field" name="NameField1"/>
 <xsd:element type="name_field" name="NameField2"/>

 <xsd:simpleType name="name_field">
  <xsd:restriction base="xsd:string">
    <xsd:maxLength value="45"/>
  </xsd:restriction>
 </xsd:simpleType>

</xsd:schema>

这 5 个例子：

<?xml version="1.0" encoding="UTF-8"?>
<customerDataFile xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:noNamespaceSchemaLocation="customerDataFile.xsd">
 <customerList>
  <customerData>
   <NameField1>Somecompany</NameField1>
   <NameField2>Somefirstname</NameField2>
  </customerData>
  <customerData>
   <NameField1>Somecompany</NameField1>
   <NameField2>Somefirstname</NameField2>
  </customerData>
 </customerList>
</customerDataFile>

<?xml version="1.0" encoding="UTF-8"?>
<customerDataFile xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:noNamespaceSchemaLocation="customerDataFile.xsd">
 <customerList>
  <customerData>
   <Unknown1>Somecompany</Unknown1>
   <NameField2>Somefirstname</NameField2>
  </customerData>
  <customerData>
   <Unknown1>Somecompany</Unknown1>
   <NameField2>Somefirstname</NameField2>
  </customerData>
 </customerList>
</customerDataFile>

<?xml version="1.0" encoding="UTF-8"?>
<customerDataFile xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:noNamespaceSchemaLocation="customerDataFile.xsd">
 <customerList>
  <customerData>
   <NameField1>Somecompany</NameField1>
   <Unknown2>Somefirstname</Unknown2>
  </customerData>
  <customerData>
   <NameField1>Somecompany</NameField1>
   <Unknown2>Somefirstname</Unknown2>
  </customerData>
 </customerList>
</customerDataFile>

<?xml version="1.0" encoding="UTF-8"?>
<customerDataFile xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:noNamespaceSchemaLocation="customerDataFile.xsd">
 <customerList>
  <customerData>
   <Unknown1>Somecompany</Unknown1>
   <Unknown2>Somefirstname</Unknown2>
  </customerData>
  <customerData>
   <Unknown1>Somecompany</Unknown1>
   <Unknown2>Somefirstname</Unknown2>
  </customerData>
 </customerList>
</customerDataFile>

<?xml version="1.0" encoding="UTF-8"?>
<customerDataFile xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:noNamespaceSchemaLocation="customerDataFile.xsd">
 <customerList>
  <customerData>
   <Unknown2>Somefirstname</Unknown2>
  </customerData>
  <customerData>
   <Unknown1>Somecompany</Unknown1>
  </customerData>
 </customerList>
</customerDataFile>

即输出如下：

没有错误 - 正确
2 个错误（每个客户数据一次）- 正确
2 个错误（每个客户数据一次）- 正确
2 个错误（每个客户数据只有一个）- 不正确
2 个错误（即使缺少元素很严重）- 不正确

这太荒谬了；我找不到任何类似的参考资料（而且它看起来确实是一个主要问题）。

相关代码为：

public void process(String schemaLocation, String xmlLocation) {

Source source = new StreamSource(new File(schemaLocation));
SchemaFactory schemaFactory = SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI);
Schema schema = schemaFactory.newSchema(source);

SAXParserFactory spf = SAXParserFactory.newInstance();
spf.setSchema(schema);
spf.setNamespaceAware(true);
SAXParser saxParser = spf.newSAXParser();
CustomerHandler handler = new CustomerHandler();
CustomerErrorHandler errorHandler = new CustomerErrorHandler();

InputStream inputStream = new FileInputStream(new File(xmlLocation));
Reader reader = new InputStreamReader(inputStream, "UTF-8");
InputSource is = new InputSource(reader);
is.setEncoding("UTF-8");
saxParser.setContentHandler(handler);
saxParser.setErrorHandler(errorHandler);
saxParser.parse(is); }

其中 CustomerErrorHandler 很简单

public class CustomerErrorHandler implements ErrorHandler {

@Override
public void error(SAXParseException arg0) throws SAXException {
    System.out.println(arg0.getMessage());
}

@Override
public void fatalError(SAXParseException arg0) throws SAXException {
    System.out.println(arg0.getMessage());
}

@Override
public void warning(SAXParseException arg0) throws SAXException {
    System.out.println(arg0.getMessage());
    }

}

有没有人对为什么会发生这种情况以及我做错了什么有任何指示，最重要的是，如果这种方法不起作用，如何正确地对 XML 文档进行全面验证？

Answer 1

这不是一个真正的答案，这更像是一个长评论：

出错时继续功能是一项扩展功能，并不是真正的标准功能。确切的实现在 Xerces 代码库中肯定可用，但可能不容易弄清楚。至少，从上面的测试中可以收集到的是，在元素上遇到验证错误时，Xerces 会忽略验证错误（尽管我确信它会检测到格式良好的错误，你可以尝试）直到元素的末尾（因为那里不再验证这个元素是没有意义的，它是无效的 w.r.t.teh schema)，实际上跳过了整个元素并转到下一个元素并开始验证。这可能是一种行为，因为出错时继续不是标准，我想实现是在 'best case effort' 的基础上完成的，如果无法验证某些内容，请忽略它并尝试验证下一个元素。

Java 具有持续验证的 XMLReader：未定义的行为

Java XMLReader with continuous validation: undefined behaviour

java

xml

validation

xsd

sax