在斯卡拉

解析XML不带引号

我试图解析使用Scala一些产生不良的XML代码看起来像这样：在斯卡拉

<contextfile concordance=brown> 
<context filename=br-a01 paras=yes> 
<p pnum=1> 
<s snum=1> 
<wf cmd=ignore pos=DT>The</wf> 
</s> 
</p> 
...

它的结构良好，但你可以看到有周围任何的没有引号attribube值。 Simplying与下面的Scala代码段抛出一个没有那么惊喜的错误打开文件：

val semCor = XML.loadFile(args(0))

抛出

org.xml.sax.SAXParseException: Open quote is expected for attribute "{1}" associated with an element type "concordance".

我想知道怎么样，如果可能的话，设置斯卡拉XML解析器正确解析此输入，就好像引号围绕属性值一样。

感谢您的任何建议！

呃，有没有办法改变XML呢？这当然会更容易，并保持XML达到标准。 – John

不可能给解析器配置为Scala中那种程度。但是，由于您的XML格式不正确，因此可以使用HTML整洁库（如JSoup或TagSoup）先整理XML，然后使用Scala XML对其进行解析。或者直接使用JSoup从XMl获取想要的数据。

2011-11-21 23:20:24

这就是我的预期，但并不希望。感谢整洁的图书馆，我会看到他们如何处理我的输入文件。 – fozziethebeat

为了记录，[TagSoup]（http://home.ccil.org/~cowan/XML/tagsoup/）是**完全**我正在寻找。它自动添加了急需的报价。谢谢@Matthew！ – fozziethebeat

无法配置解析器。您的解析器不会接受“格式不正确”的XML。也许你应该考虑第一遍来添加引号。在一般情况下，这是不可能知道如何处理这个问题，但它可以在特定的情况下很容易的，例如，如果属性值不包含任何空白，报价，“&”或“<”字。

2011-11-21 23:12:30

为什么您将此称为XML？事实并非如此。您不妨将Scala程序称为C＃程序。 XML解析器根本就没有任何意义。您正在为您的数据交换使用完全专有的格式，并且您有两种选择：转而使用XML，或者为其编写完全专有的解析器。

2011-11-22 08:17:47

因为它**是** xml，它只是有一套系统性的语法错误。 – fozziethebeat

@fozziethebeat它不是XML，因为它不遵循XML规范。充其量是“可能的XML”。迈克所在的地方是，使用格式不明确的格式可能会很危险，因此最好是修复问题的根源并实际使用XML，或者确保清楚地指定格式。但是，它不会是XML。 – ebruchez

回答