在针对 XSD 进行验证时，使用任何 DOM、StAX、SAX 解析器在 XML 中找到确切缺失的元素

Question

我有一个 XML 文件及其对应的 XSD 文件。在使用 StAX 解析器进行验证时，我附加了一个错误处理程序。基本上，我在格式正确的 XML 文件中遇到两种类型的错误。

1) 元素内的数据类型不正确，例如，元素内的字符串本应为整数。

2) 缺少元素：根据 XSD 必须存在的元素在 XML.

中不存在

使用 StAX 解析器和自定义错误处理程序，我能够纠正第一类错误。但对于第二种类型，会触发一个 CHARACTER 事件，并且 TEXT 的值是紧邻的下一个元素的值。我不知道如何找出缺失的元素。还有，为什么会触发CHARACTER事件，完全忽略缺失的元素？

由于 StAX 解析器仅向前，有没有办法使用其他解析器纠正这两个错误？

import java.io.File;
import java.io.IOException;
import javax.xml.XMLConstants;
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamConstants;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.XMLStreamReader;
import javax.xml.transform.stax.StAXSource;
import javax.xml.transform.stream.StreamSource;
import javax.xml.validation.*;
import javax.xml.validation.Validator;
import org.xml.sax.ErrorHandler;
import org.xml.sax.SAXException;
import org.xml.sax.SAXParseException;

public class XMLValidation {

    public static void main(String[] args) {

        XMLValidation xmlValidation = new XMLValidation();
        System.out.println(xmlValidation.validateXMLSchema("PHSHumanSubjectsAndClinicalTrialsInfo-V1.0.xsd", "FullPHSHuman.xml"));
    }

    public boolean validateXMLSchema(String xsdPath, String xmlPath){

        try {
            SchemaFactory factory = SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI);
            Schema schema = factory.newSchema(new File(xsdPath));
            StreamSource XML = new StreamSource(xmlPath);
            XMLStreamReader reader = XMLInputFactory.newFactory().createXMLStreamReader(XML);
            Validator validator = schema.newValidator();
            validator.setErrorHandler(new MyErrorHandler(reader));
            validator.validate(new StAXSource(reader));
        } catch (IOException | SAXException | XMLStreamException e) {
            System.out.println("Exception: "+e.getMessage() + " local message " + e.getLocalizedMessage() + " cause " + e.getCause());
            return false;
        }
        return true;
    }
}

class MyErrorHandler implements ErrorHandler {

    private XMLStreamReader reader;

    public MyErrorHandler(XMLStreamReader reader) {
        this.reader = reader;
    }

    @Override
    public void error(SAXParseException e) throws SAXException {
        System.out.println("error");
        warning(e);
    }

    @Override
    public void fatalError(SAXParseException e) throws SAXException {
        System.out.println("fatal error");
        warning(e);
    }

    @Override
    public void warning(SAXParseException e) throws SAXException {
        if(reader.getEventType() == 1 || reader.getEventType() == 2) {
            //The first type of error is detected here.
            System.out.println(reader.getLocalName());
            System.out.println(reader.getNamespaceURI());

        }

        if(reader.getEventType() == XMLStreamConstants.CHARACTERS) {
            int start = reader. getTextStart();
            int length = reader.getTextLength();
            System.out.println(new String(reader.getTextCharacters(), start, length));
        }
    }
}

下面是格式正确的 XML 文件的片段：

<?xml version="1.0" encoding="UTF-8"?>
<PHSHumanSubjectsAndClinicalTrialsInfo:PHSHumanSubjectsAndClinicalTrialsInfo xmlns:PHSHumanSubjectsAndClinicalTrialsInfo="http://apply.grants.gov/forms/PHSHumanSubjectsAndClinicalTrialsInfo-V1.0" PHSHumanSubjectsAndClinicalTrialsInfo:FormVersion="1.0"
>
<!--    <PHSHumanSubjectsAndClinicalTrialsInfo:HumanSubjectsIndicator
    >Y: </PHSHumanSubjectsAndClinicalTrialsInfo:HumanSubjectsIndicator
    >-->
    <PHSHumanSubjectsAndClinicalTrialsInfo:HumanSubjectsIndicator1
    >Y: Yes</PHSHumanSubjectsAndClinicalTrialsInfo:HumanSubjectsIndicator1
    >
    <PHSHumanSubjectsAndClinicalTrialsInfo:HumanSubjectsIndicator2
    >Y: Yes</PHSHumanSubjectsAndClinicalTrialsInfo:HumanSubjectsIndicator2
    >

这里对 HumanSubjectsIndicator 元素进行了注释以引发第二种情况。在这种情况下，'MyErrorHandler' 中触发了一个 CHARACTER 事件。 'Y:Yes'的值是通过reader.getTextCharacters()得到的。此值对应于 HumanSubjectsIndicator1 元素（使用 getLocation() 方法找到它）。

有没有办法准确获取缺失元素的本地名称。如果不使用 StAX，那么使用其他解析器？

谢谢。

Answer 1

Saxon XSD 验证器会在缺少必需元素时向您显示如下消息：

Validation error on line 12 column 17 of books.xml:
  FORG0001: In content of element <ITEM>: The content model does not allow element <PRICE>
  to appear immediately after element <PUB-DATE>. It must be preceded by <LANGUAGE>. 
  See http://www.w3.org/TR/xmlschema-1/#cvc-complex-type clause 2.4

您可以尝试对错误消息进行模式匹配并提取缺失元素的名称。

大多数模式处理器不向您提供此信息的原因是它们的内部工作方式。通常，模式处理器构建一个有限状态机，它指示输入中的每个元素允许哪些元素出现在下一个。如果下一个元素不是允许的元素之一，那么从 FSM 中并不能立即看出为什么会出现这种情况。 Saxon 做了一些额外的分析来尝试改进诊断：如果输入包含不允许的从 A 到 C 的转换，那么它会搜索 FSM 以发现存在从 A 到 B 和从 B 到 C 的允许转换，并构造一个错误消息说 B 不见了。

在针对 XSD 进行验证时，使用任何 DOM、StAX、SAX 解析器在 XML 中找到确切缺失的元素

While validating against XSD, find the exact missing element in the XML using any of DOM, StAX, SAX parsers

xml

stax

xsd

dom

javax.xml