如何让DOMParser无异常解析无单个根节点的XML内容

问题根因 #

你拿到的是多根节点的XML片段，不符合标准XML规范（标准XML要求有且仅有一个顶层根节点），Xerces系列的DOMParser和标准SAX解析器默认都会按规范做校验，所以会抛出根节点后内容格式非法的错误。

方案1：字符串包裹临时根节点（最推荐） #

直接对原始XML字符串做预处理，前后拼接一对临时根节点标签即可，解析完成后取根节点的子节点就是原始的所有目标节点，实现成本极低：

import com.sun.org.apache.xerces.internal.parsers.DOMParser;
import org.junit.Test;
import org.w3c.dom.Document;
import org.w3c.dom.NodeList;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;

import java.io.IOException;
import java.io.StringReader;

public class XmlParsingTest {
    @Test
    public void test() throws IOException, SAXException {
        final DOMParser parser = new DOMParser();
        final String rawXml = "<LetsGoBrandon></LetsGoBrandon><LetsGoBrandon></LetsGoBrandon>";
        // 新增：包裹临时根节点
        final String wrappedXml = "<tempRoot>" + rawXml + "</tempRoot>";
        parser.parse(new InputSource(new StringReader(wrappedXml)));
        // 解析完成后获取原始节点
        Document doc = parser.getDocument();
        NodeList targetNodes = doc.getDocumentElement().getChildNodes();
        // 后续正常处理targetNodes即可
    }
}

这个方案的优势：

• 实现逻辑简单，无额外依赖
• 兼容性强，适配所有版本的Xerces解析器
• 业务改造成本极低，不影响后续节点处理逻辑

方案2：流拼接包裹根节点（适合大体积XML） #

如果原始XML体积很大，字符串拼接会导致内存占用过高，可以用流拼接的方式避免生成大字符串：

import com.sun.org.apache.xerces.internal.parsers.DOMParser;
import org.junit.Test;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;

import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.SequenceInputStream;
import java.nio.charset.StandardCharsets;
import java.util.Arrays;
import java.util.Collections;

public class XmlParsingTest {
    @Test
    public void testWithLargeXml() throws IOException, SAXException {
        final DOMParser parser = new DOMParser();
        final String rawXml = "<LetsGoBrandon></LetsGoBrandon><LetsGoBrandon></LetsGoBrandon>";
        // 构造三个流按顺序拼接
        InputStream rootStart = new ByteArrayInputStream("<tempRoot>".getBytes(StandardCharsets.UTF_8));
        InputStream rawStream = new ByteArrayInputStream(rawXml.getBytes(StandardCharsets.UTF_8));
        InputStream rootEnd = new ByteArrayInputStream("</tempRoot>".getBytes(StandardCharsets.UTF_8));
        SequenceInputStream combinedStream = new SequenceInputStream(Collections.enumeration(
                Arrays.asList(rootStart, rawStream, rootEnd)
        ));
        parser.parse(new InputSource(combinedStream));
        // 后续节点处理逻辑和方案1一致
    }
}

注意事项 #

不推荐使用解析器的XML片段解析扩展特性，不同版本的Xerces实现差异大，兼容性差，生产环境稳定性远不如包裹临时根节点的方案。

内容的提问来源于stack exchange，提问作者Glory to Russia