纯C环境下使用Expat如何忽略标签不匹配错误以解析畸形XML

Expat本身是兼容XML 1.0标准的非容错型解析器，原生没有提供直接跳过标签不匹配错误的开关，默认遇到结构不合法的内容就会终止解析。如果要基于Expat实现自定义容错逻辑，可按以下方案实现：

• 注册自定义XML_Error回调函数，通过XML_SetUserData将自行维护的标签栈、标签优先级配置等上下文数据绑定到解析器实例
• 在错误回调中判断错误码，若为XML_ERROR_MISMATCHED_TAG，先在自定义标签栈逻辑中完成低优先级未闭合标签的强制关闭操作，再调用XML_ResumeParser恢复解析
• 注意需额外处理解析位置偏移的同步问题，避免后续内容解析错位，该方案需要熟悉Expat的错误处理逻辑才能稳定落地

• libxml2：自带成熟的容错解析模式，开启XML_PARSE_RECOVER参数即可自动修复绝大多数标签不匹配、未闭合的问题，也支持自定义错误回调自行接管修复逻辑，是目前同类库中生态最完善、兼容性最好的选择
• gumbo-parser：开源的HTML5解析器，容错能力极强，原生支持标签自动补全、层级自动修正，虽然主打HTML解析，但对类XML的非标准标签结构处理效果优异，API简单易集成
• Tidy-HTML：专门用于处理非标准标记语言的工具库，支持将畸形HTML/XML先清洗为标准结构再输出，可自定义修正规则适配自定义的标签优先级逻辑

内容的提问来源于stack exchange，提问作者White Owl