Хорошо, я пришел с ответом я более доволен.
В основном я пытаюсь разобрать XML с помощью SAXParser, так же, как scala.xml.XML.load делает, но следить за SAXParseException с, которые указывают, что анализатор обнаружил <?xml в неправильном месте.
Затем, я захватил любой элемент корня, который уже был проанализирован, перематывает ввод только достаточно и перезапускает синтаксис оттуда.
// An input stream that can recover from a SAXParseException
object ConcatenatedXML {
// A reader that can be rolled back to the location of an exception
class Relocator(val re : java.io.Reader) extends java.io.Reader {
var marked = 0
var firstLine : Int = 1
var lineStarts : IndexedSeq[Int] = Vector(0)
override def read(arr : Array[Char], off : Int, len : Int) = {
// forget everything but the start of the last line in the
// previously marked area
val pos = lineStarts(lineStarts.length - 1) - marked
firstLine += lineStarts.length - 1
// read the next chunk of data into the given array
re.mark(len)
marked = re.read(arr,off,len)
// find the line starts for the lines in the array
lineStarts = pos +: (for (i <- 0 until marked if arr(i+off) == '\n') yield (i+1))
marked
}
override def close { re.close }
override def markSupported = false
def relocate(line : Int, col : Int , off : Int) {
re.reset
val skip = lineStarts(line - firstLine) + col + off
re.skip(skip)
marked = 0
firstLine = 1
lineStarts = Vector(0)
}
}
def parse(str : String) : List[scala.xml.Node] = parse(new java.io.StringReader(str))
def parse(re : java.io.Reader) : List[scala.xml.Node] = parse(new Relocator(re))
// parse all the concatenated XML docs out of a file
def parse(src : Relocator) : List[scala.xml.Node] = {
val parser = javax.xml.parsers.SAXParserFactory.newInstance.newSAXParser
val adapter = new scala.xml.parsing.NoBindingFactoryAdapter
adapter.scopeStack.push(scala.xml.TopScope)
try {
// parse this, assuming it's the last XML doc in the string
parser.parse(new org.xml.sax.InputSource(src), adapter)
adapter.scopeStack.pop
adapter.rootElem.asInstanceOf[scala.xml.Node] :: Nil
} catch {
case (e : org.xml.sax.SAXParseException) => {
// we found the start of another xmldoc
if (e.getMessage != """The processing instruction target matching "[xX][mM][lL]" is not allowed."""
|| adapter.hStack.length != 1 || adapter.hStack(0) == null){
throw(e)
}
// tell the adapter we reached the end of a document
adapter.endDocument
// grab the current root node
adapter.scopeStack.pop
val node = adapter.rootElem.asInstanceOf[scala.xml.Node]
// reset to the start of this doc
src.relocate(e.getLineNumber, e.getColumnNumber, -6)
// and parse the next doc
node :: parse(src)
}
}
}
}
println(ConcatenatedXML.parse(new java.io.BufferedReader(
new java.io.FileReader("temp.xml")
)))
println(ConcatenatedXML.parse(
"""|<?xml version="1.0" encoding="UTF-8"?>
|<firstDoc><inner><innerer><innermost></innermost></innerer></inner></firstDoc>
|<?xml version="1.0" encoding="UTF-8"?>
|<secondDoc></secondDoc>
|<?xml version="1.0" encoding="UTF-8"?>
|<thirdDoc>...</thirdDoc>
|<?xml version="1.0" encoding="UTF-8"?>
|<lastDoc>...</lastDoc>""".stripMargin
))
try {
ConcatenatedXML.parse(
"""|<?xml version="1.0" encoding="UTF-8"?>
|<firstDoc>
|<?xml version="1.0" encoding="UTF-8"?>
|</firstDoc>""".stripMargin
)
throw(new Exception("That should have failed"))
} catch {
case _ => println("catches really incomplete docs")
}
Этот вопрос является дубликатом, если вы не объясните _why_, что вам не нравятся другие ответы. Утверждение, что нет синтаксического анализа того типа, который вы предложили, недостаточно для ИМО для полного вопроса/ответа. –
@RexKerr: Справедливая точка. Я считаю, что принятый ответ неприемлем, поскольку «ломать« rampion