使用serde-xml-rs反序列化XML时出现Err(duplicate field `$value`)错误求助

我之前帮人排查过类似的PubMed XML解析问题，你碰到的Err(duplicate field $value)大概率是XML结构里的混合内容或者解析库的默认映射规则冲突导致的。先理清楚你的场景：你只关心PubmedArticleSet根节点下PubmedArticle里的特定字段（比如PMID），但解析时一直卡这个错误，用到的XML片段大概是这样：

return (<PubmedArticle>
  <MedlineCitation>
    <PMID>xxxxxxxx</PMID>
    <date tags i don't care about/>
    <other date tags i don't care about/>
  </MedlineCitation>
</PubmedArticle>
)

下面是几个常见的排查方向和解决办法：

1. 多余的空白文本节点是重灾区 #

PubMed的XML经常会有很多换行、空格这类空白文本节点，很多XML解析库（比如serde-xml-rs、quick-xml）会把元素内的文本内容自动映射到$value字段。如果某个元素下既有子元素，又有多个空白文本节点（比如<MedlineCitation>里的换行），就会触发重复的$value字段错误。

解决办法：

• 如果你用的是serde系的解析库，可以给结构体里的父元素添加#[serde(skip_deserializing_none)]或者自定义一个忽略空白文本的反序列化函数。比如写个简单的忽略函数：

  fn ignore_whitespace<'de, D>(deserializer: D) -> Result<(), D::Error>
  where
      D: Deserializer<'de>,
  {
      let s = String::deserialize(deserializer)?;
      if s.trim().is_empty() {
          Ok(())
      } else {
          Err(de::Error::custom("unexpected non-whitespace text"))
      }
  }
  

• 或者直接用解析库的配置禁用空白文本解析，比如quick-xml里的ReaderBuilder::trim_text(true)。

2. 未正确处理可重复元素 #

PubMed的Schema里很多字段是允许重复的（比如多个日期相关的元素），如果你的结构体把这些字段定义成单个类型而不是Vec<T>，解析时碰到多个实例就会触发字段冲突，间接导致$value重复的错误。

解决办法：

• 检查你的结构体定义，把可重复的字段改成Vec类型。比如日期相关的字段，不要写成DateField，要写成Vec<DateField>。

3. 混合内容元素的映射冲突 #

有些PubMed元素是混合内容（既有子元素又有文本内容），比如某些带注释的字段，解析库会把文本内容映射到$value，子元素映射成其他字段，如果有多个文本节点（包括空白），就会重复绑定$value。

解决办法：

• 对于混合内容的元素，用枚举类型来容纳子元素和文本，或者明确指定只解析子元素，忽略文本内容。比如：

  #[derive(Deserialize)]
  enum MedlineCitationContent {
      PMID(String),
      #[serde(rename = "date tags i don't care about")]
      DateTag,
      // 其他需要保留的字段...
  }
  
  #[derive(Deserialize)]
  struct MedlineCitation {
      #[serde(flatten)]
      content: Vec<MedlineCitationContent>,
  }
  

快速定位问题的小技巧 #

• 先把测试XML片段里的所有空白、换行删掉，只保留紧凑的结构，看看错误是否消失——如果消失，就是空白文本节点的问题。
• 暂时只保留你关心的字段（比如只留<PMID>）进行解析，如果成功，再逐个添加其他字段，找到触发错误的那个元素。
• 开启解析库的调试模式，打印出解析过程中的中间数据，看看哪个元素产生了多个$value条目。

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