PostgreSQL 13 导入XML文件时报无效XML文档错误如何解决？

你遇到的2200M错误本质是xmlparse函数无法识别合法的XML结构，从报错详情可以直接定位问题：你传入解析的内容里，XML开头的<已经被转义为HTML实体<，引号也被转义为"，解析器读取到的第一个字符是&而非预期的<，所以抛出「Start tag expected, '<' not found」错误。

触发这个问题的常见场景有3种：

• 导入的XML文件本身不是原始XML，是经过其他程序转义后的内容，比如从网页直接复制保存的XML源码，内容已经做了HTML实体编码
• XML文件带UTF-8 BOM头，开头的不可见BOM字符干扰了解析器对起始标签的识别
• 文件实际编码和函数里指定的UTF-8不匹配，读取内容时出现乱码，导致标签结构被破坏

1. 直接用文本编辑器打开目标XML文件，检查第一行内容：
   • 如果第一行显示为<?xml version="1.0" encoding="utf-8"?>，说明文件本身内容已被转义，属于源文件问题
   • 如果第一行是正常的<?xml version="1.0" encoding="utf-8"?>，则继续排查读取环节的问题
2. 临时修改导入函数返回文本类型，确认读取到的原始内容是否正常：

create or replace function xml_import_test(filename text)
  returns text
  volatile
  language plpgsql as
$f$
    declare
        content bytea;
        loid oid;
        lfd integer;
        lsize integer;
    begin
        loid := lo_import(filename);
        lfd := lo_open(loid,262144);
        lsize := lo_lseek(lfd,0,2);
        perform lo_lseek(lfd,0,0);
        content := loread(lfd,lsize);
        perform lo_close(lfd);
        perform lo_unlink(loid);
 
        return convert_from(content,'UTF8');
    end;
$f$;

-- 执行测试查看返回内容是否和文件实际内容一致
select xml_import_test('filepath/filename.xml');

根据排查结果对应处理即可：

场景1：文件本身已做实体转义 #

• 优先选择重新获取原始未转义的XML文件再导入
• 无法获取原始文件的话，修改xml_import函数的返回逻辑，先做实体解码再解析：

return xmlparse(document 
  replace(
    replace(
      replace(convert_from(content,'UTF8'), '&lt;', '<'), 
    '&quot;', '"'), 
  '&gt;', '>')
);

场景2：文件带UTF-8 BOM头 #

• 用文本编辑器将文件另存为「无BOM的UTF-8」格式后重新导入
• 也可以直接在函数里移除开头的BOM字符：

return xmlparse(document ltrim(convert_from(content,'UTF8'), chr(65279)));

场景3：编码不匹配 #

确认XML文件的实际编码，将convert_from(content,'UTF8')中的编码参数替换为对应编码即可，比如GBK、LATIN1等。

内容的提问来源于stack exchange，提问作者Sergei Walankov