### 解决 XML 文件 "not well-formed (invalid token)" 错误的方法 XML 文件的“not well-formed (invalid token)”错误通常表示文件内容不符合 XML 的语法规则，例如标签未正确闭合、字符编码问题或存在非法字符。以下是一些解决此问题的专业方法： #### 1. 检查 XML 文件的结构 确保所有标签都正确闭合，并且嵌套关系正确。例如，`<tag>` 必须有对应的 `</tag>`[^1]。如果使用的是空元素，则应以自闭合形式书写，如 `<tag />`。 #### 2. 验证字符编码 XML 文件的声明部分通常指定编码类型，例如 `<?xml version="1.0" encoding="UTF-8"?>`。如果文件内容包含非 ASCII 字符但未正确声明编码，可能会导致解析器无法识别合法字符。建议将文件保存为 UTF-8 编码格式，并确保声明与实际编码一致。 #### 3. 移除非法字符 某些控制字符（如 ASCII 值小于 32 的字符）在 XML 中被视为非法。可以使用正则表达式或其他工具查找并移除这些字符。例如，以下 Python 脚本可用于清理非法字符： ```python import re def remove_invalid_xml_chars(input_string): # 定义合法的 XML 字符范围 xml_valid_re = re.compile(b'[^\x09\x0A\x0D\x20-\uD7FF\uE000-\uFFFD]') return xml_valid_re.sub(b'', input_string.encode('utf-8')).decode('utf-8') # 示例用法 cleaned_content = remove_invalid_xml_chars("<root>非法字符\u0001</root>") print(cleaned_content) ``` #### 4. 使用容错性更强的解析器 某些解析器对不规范的 XML 文件具有更高的容忍度。例如，用户提到的 STL XmlStreamReader 可以从 HTML 文件中提取内容或执行搜索操作，即使这些文件不是严格意义上的 XML 文件[^1]。如果需要处理非标准格式的文件，可以考虑此类解析器。 #### 5. 调试和验证工具 使用在线 XML 验证工具或本地软件（如 Oxygen XML Editor 或 XMLSpy）检查文件是否符合规范。这些工具可以提供详细的错误报告，帮助定位问题所在。 #### 6. 示例修复代码 以下是一个简单的 XML 文件修复示例，展示如何处理常见的 not well-formed 问题： ```python from xml.sax.saxutils import escape def fix_xml_file(file_path): with open(file_path, 'r', encoding='utf-8') as f: content = f.read() # 替换非法字符 cleaned_content = remove_invalid_xml_chars(content) # 转义特殊字符 escaped_content = escape(cleaned_content) # 写入修复后的文件 with open(file_path + '.fixed', 'w', encoding='utf-8') as f: f.write(escaped_content) # 调用函数 fix_xml_file("example.xml") ```