使用SQL的XMLPARSE读取含特殊字符XML的问题求助

思路1：安全转义所有XML特殊字符 #

XML的预定义特殊字符有5个：&、<、>、"、'，必须按**先替换&**的顺序转义，否则会导致转义不完整。修改后的脚本如下：

SELECT * 
FROM TRANSACTION_DATA_TABLE tdt,
XMLTABLE(
    '$d/*:Request/*:AppData' 
    PASSING XMLPARSE(DOCUMENT 
        REPLACE(
            REPLACE(
                REPLACE(
                    REPLACE(
                        REPLACE(tdt.TRAN_DATA, '&', '&'),
                    '<', '&lt;'),
                '>', '&gt;'),
            '"', '&quot;'),
        ''', '&apos;') 
    AS "d"
    COLUMNS
        FNAME CHAR(20) PATH '*:FirstName',
        LNAME CHAR(20) PATH '*:LastName'
)

转义后，特殊字符会被转换成XML可识别的实体，不会破坏文档结构，解析器能正常处理。

思路2：截断XML到评论节点之前 #

既然你只需要XML顶部的FirstName和LastName，且评论节点在文档后方，可以直接截断到评论节点的起始位置，再补全必要的闭合标签保证XML结构完整。假设评论节点为<Comment>，脚本如下：

SELECT * 
FROM TRANSACTION_DATA_TABLE tdt,
XMLTABLE(
    '$d/*:Request/*:AppData' 
    PASSING XMLPARSE(DOCUMENT 
        SUBSTR(tdt.TRAN_DATA, 1, INSTR(tdt.TRAN_DATA, '<Comment>') - 1) 
        || '</Request></Root>' -- 根据实际XML结构补全闭合标签
    AS "d"
    COLUMNS
        FNAME CHAR(20) PATH '*:FirstName',
        LNAME CHAR(20) PATH '*:LastName'
)

如果不知道评论节点的具体名称，可以根据XML结构找到AppData节点之后的第一个非目标节点位置，以此作为截断点。

思路3：使用Oracle宽松XML解析模式 #

Oracle的XMLTYPE支持非严格格式解析，无需手动替换字符，直接忽略部分格式错误。可以用XMLTYPE.CREATEXML或构造函数指定宽松模式：

-- 方法1：使用CREATEXML
SELECT * 
FROM TRANSACTION_DATA_TABLE tdt,
XMLTABLE(
    '$d/*:Request/*:AppData' 
    PASSING XMLTYPE.CREATEXML(tdt.TRAN_DATA, FALSE) AS "d" -- FALSE表示不要求严格格式良好
    COLUMNS
        FNAME CHAR(20) PATH '*:FirstName',
        LNAME CHAR(20) PATH '*:LastName'
)

-- 方法2：使用XMLTYPE构造函数
SELECT * 
FROM TRANSACTION_DATA_TABLE tdt,
XMLTABLE(
    '$d/*:Request/*:AppData' 
    PASSING XMLTYPE(tdt.TRAN_DATA, 0) AS "d" -- 0代表宽松解析模式
    COLUMNS
        FNAME CHAR(20) PATH '*:FirstName',
        LNAME CHAR(20) PATH '*:LastName'
)

这种方式会自动处理文档中的非法字符，只要目标节点所在的XML片段格式正确，就能正常读取。

思路4：正则表达式清理违规字符 #

如果只想清理破坏结构的<和>（保留合法XML标签），可以用正则表达式匹配并替换非标签内的特殊字符：

SELECT * 
FROM TRANSACTION_DATA_TABLE tdt,
XMLTABLE(
    '$d/*:Request/*:AppData' 
    PASSING XMLPARSE(DOCUMENT 
        REGEXP_REPLACE(
            REPLACE(tdt.TRAN_DATA, '&', '&'),
            '([^<]|<[^/][^>]*>|<\/[^>]*>)(<|>)([^>]|<[^/][^>]*>|<\/[^>]*>)',
            '\1\3'
        )
    AS "d"
    COLUMNS
        FNAME CHAR(20) PATH '*:FirstName',
        LNAME CHAR(20) PATH '*:LastName'
)

先替换&为&，再用正则保留合法的<xxx>和</xxx>标签，移除其他位置的<和>，避免破坏XML结构。

内容的提问来源于stack exchange，提问作者Hamza Haider