使用JAXB转换XML文件时如何忽略格式非法的无效元素

获取的第三方生成XML包含联系人节点，存在未转义尖括号的非法格式，片段如下：

<ResponsableContact>test test(test.test@test.com<test.test@test.com>)</ResponsableContact>

使用JAXB做XML转换时抛出解析错误：

javax.xml.bind.UnmarshalException

• with linked exception:
  [org.xml.sax.SAXParseException; lineNumber: 1128; columnNumber: 88; 元素类型[email]后必须跟随属性规范、">"或"/>".]

现有实体类映射代码如下：

@XmlAccessorType(XmlAccessType.FIELD)
@XmlRootElement(name = "ListeXML")
public class ListeXML{
    
    private String dateDeGeneration;
    // 其余字段省略
    private List<Dom> listeDom;
    
    public ListeXML() {
        super();
    };
}

@Entity
@XmlAccessorType(XmlAccessType.FIELD)
public class Dom {
    
    @Id
    private String id;
    // 其余字段省略
    @XmlTransient
    private String responsableContact;

}

即使在responsableContact字段添加@XmlTransient注解也无法解决问题：未转义的尖括号属于XML语法级非法内容，SAX解析阶段就会直接中断，根本不会走到JAXB的属性绑定环节，且无法修改第三方生成的源文件，需要绕开这类非法内容完成正常转换。

按推荐优先级排序：

方案1：预处理XML文本，定向修复非法内容后再解析 #

这是稳定性最高、无额外依赖、逻辑可控的首选方案。核心思路是在XML传入JAXB解析之前，先以文本形式修复已知的非法格式，不改动原有解析流程：

• 由于你已经明确非法尖括号只出现在<ResponsableContact>节点内部，直接用正则匹配该节点的起止标签，对标签包裹的文本内容单独做尖括号转义即可，完全不会误改其他正常XML标签。
• 实现代码示例：

import java.nio.charset.StandardCharsets;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.io.StringReader;
import javax.xml.transform.stream.StreamSource;

// 1. 读取原始XML流为文本字符串
String rawXml = new String(originalInputStream.readAllBytes(), StandardCharsets.UTF_8);
// 2. 定向匹配ResponsableContact节点，转义内部的尖括号
Pattern contactPattern = Pattern.compile("(<ResponsableContact>)(.*?)(</ResponsableContact>)");
Matcher matcher = contactPattern.matcher(rawXml);
StringBuilder fixedXml = new StringBuilder();
while (matcher.find()) {
    String innerContent = matcher.group(2)
            .replace("<", "&lt;")
            .replace(">", "&gt;");
    matcher.appendReplacement(fixedXml, matcher.group(1) + innerContent + matcher.group(3));
}
matcher.appendTail(fixedXml);
// 3. 将修复后的合法XML传入JAXB解析
StreamSource validSource = new StreamSource(new StringReader(fixedXml.toString()));
ListeXML result = (ListeXML) unmarshaller.unmarshal(validSource);

如果后续发现非法尖括号可能出现在任意文本节点，可以扩展预处理逻辑，逐字符扫描XML流，区分XML标签尖括号和文本内容里的非法尖括号，自动做转义即可。

方案2：替换为容错型XML解析器 #

如果XML存在多处格式问题（不止未转义尖括号，还有未闭合标签、非法属性等），可以直接替换默认的SAX解析器，用专门处理非标准标记语言的解析器先把XML清洗成合法格式，再交给JAXB绑定：

• 可选解析器包括tagsoup、Jsoup的XML解析模式，这类解析器天生对各类XML语法错误有容错能力，不需要自己写正则替换逻辑。
• 注意使用时要配置解析器保留原XML的节点结构、命名空间，避免出现JAXB映射不匹配的问题。

不推荐方案：自定义SAX错误处理器跳过解析错误 #

网上常见的思路是给SAX解析器注册自定义ErrorHandler，捕获SAXParseException后不抛出异常、继续解析。但JDK内置的SAX解析器遇到这类致命语法错误时，即使捕获异常，解析指针也无法正确复位到错误后的合法位置，大概率会出现后续节点丢失、结构错位的问题，稳定性极差，仅适合临时调试场景使用。

内容的提问来源于stack exchange，提问作者kiki keke