修复损坏的xml的Python方法

我正在处理一个损坏的XML-RPC服务器，虽然我已经提交了一个修复它的支持请求，但有一个错误，它将utf-8响应的bytellength报告为字符计数，从而导致我接收的XML被截断

我希望这个问题很快会得到解决，但我目前正在研究这一问题，将其作为一套工具的一部分，并且确实需要让它工作起来。目前，我已经对xmlrpclib进行了猴子补丁，以反转异常解析，并允许我手动向解析器提供响应的更正版本，但考虑到XML的性质，必须有一种方法以编程方式完成此操作，因此允许我使用XML-RPC服务器，就好像它没有此错误一样

---

截断量只是结束标记的一部分，因此，如果有一种内在的方法来获取损坏的xml树，在关闭所有标记的情况下转储它，然后解析它，这将允许我继续我的工作-我目前正在考虑自己滚动，但任何帮助都将不胜感激，我无法想象我是第一个想要对xml执行错误更正的人，但是如果我没有找到预先制定的解决方案，我会将我的解决方案推到git上，并从这里链接它。

这里有一个快速的片段-关键是sax解析器在执行过程中生成事件，因此它们允许您处理内容，直到内容中断为止

#!/usr/bin/env python

import sys
from xml.sax import handler, make_parser

class TagHandler(handler.ContentHandler):
    def __init__(self):
        handler.ContentHandler.__init__(self)

        self.stack = []


    def startElement(self, name, attrs):
        self.stack.append(name)

    def endElement(self, name):
        # TODO: might want to just confirm that the element matches the top of the stack here
        self.stack.pop()


    def finish_document(self):
        return "\n".join(["</%s>" % tag for tag in reversed(self.stack)])


parser = make_parser()
handler = TagHandler()
parser.setContentHandler(handler)

try:
    parser.parse(sys.argv[1])

except:
    # TODO: something more intelligent than just printing out the
    # constructed end of the document. Like appending it to the source
    # and repeating whatever you did to make this processing necessary.
    print handler.finish_document()

#/usr/bin/env python
导入系统
从xml.sax导入处理程序中，生成语法分析器
类TagHandler（handler.ContentHandler）：
定义初始化（自）：
ContentHandler.\uuuu init\uuuuu（self）
self.stack=[]
def startElement（自身、名称、属性）：
self.stack.append（名称）
定义元素（自身、名称）：
#TODO:可能只想确认元素与堆栈顶部匹配
self.stack.pop（）
def finish_文档（自我）：
返回“\n”.join（[“”%tag for tag in reversed（self.stack）]）
parser=make_parser（）
handler=TagHandler（）
setContentHandler（处理程序）
尝试：
parser.parse（sys.argv[1]）
除：
#TODO:比打印出
#文档的结尾。就像把它附加到源代码一样
#重复你所做的一切，使这一过程成为必要。
打印处理程序.finish_文档（）

这里有一个简短的片段-关键是sax解析器在执行过程中生成事件，因此允许您处理内容直到内容中断

#!/usr/bin/env python

import sys
from xml.sax import handler, make_parser

class TagHandler(handler.ContentHandler):
    def __init__(self):
        handler.ContentHandler.__init__(self)

        self.stack = []


    def startElement(self, name, attrs):
        self.stack.append(name)

    def endElement(self, name):
        # TODO: might want to just confirm that the element matches the top of the stack here
        self.stack.pop()


    def finish_document(self):
        return "\n".join(["</%s>" % tag for tag in reversed(self.stack)])


parser = make_parser()
handler = TagHandler()
parser.setContentHandler(handler)

try:
    parser.parse(sys.argv[1])

except:
    # TODO: something more intelligent than just printing out the
    # constructed end of the document. Like appending it to the source
    # and repeating whatever you did to make this processing necessary.
    print handler.finish_document()

#/usr/bin/env python
导入系统
从xml.sax导入处理程序中，生成语法分析器
类TagHandler（handler.ContentHandler）：
定义初始化（自）：
ContentHandler.\uuuu init\uuuuu（self）
self.stack=[]
def startElement（自身、名称、属性）：
self.stack.append（名称）
定义元素（自身、名称）：
#TODO:可能只想确认元素与堆栈顶部匹配
self.stack.pop（）
def finish_文档（自我）：
返回“\n”.join（[“”%tag for tag in reversed（self.stack）]）
parser=make_parser（）
handler=TagHandler（）
setContentHandler（处理程序）
尝试：
parser.parse（sys.argv[1]）
除：
#TODO:比打印出
#文档的结尾。就像把它附加到源代码一样
#重复你所做的一切，使这一过程成为必要。
打印处理程序.finish_文档（）