1

C の Expat で処理しようとしている XML があります。XML は Java で解析できるため、形式が正しくないと信じる理由はありません。さらに、私が持っている C コードは、「手動で」プラグインした文字列リテラルを解析しますが、XML ファイルの解析に失敗します。

これはコードです (私が追加したものを含む - 神がデバッガーを使用することを望んでいた場合、彼は私たちに printf を与えなかったでしょう):

static void XMLCALL
starthandler(void *data, const XML_Char *name, const XML_Char **attr)
{
int i;
if (strcmp(name, "file") == 0) {
    for (i = 0; attr[i]; i += 2) {
        if (strcmp(attr[i], "path") == 0) {
            printf("File is at %s\n", attr[i + 1]);
        }
    }
}
}       

int main(int argc, char *argv[])
{
FILE* inXML;
ssize_t read;
char* line;
size_t len = 0;

XML_Parser p_ctrl = XML_ParserCreate("UTF-8");
if (!p_ctrl) {
    fprintf(stderr, "Could not create parser\n");
    exit(-1);
}

XML_SetStartElementHandler(p_ctrl, starthandler);
inXML = fopen(argv[1], "r");
if (inXML == NULL) {
    fprintf(stderr, "Could not open %s\n", argv[1]);
    XML_ParserFree(p_ctrl);
    exit(-1);
}

while ((read = getline(&line, &len, inXML)) != -1) {
    printf("Line is %s", line);
    enum XML_Status status = XML_Parse(p_ctrl, line, len, 0);
    if (status == 0) {
        enum XML_Error errcde = XML_GetErrorCode(p_ctrl);
        printf("ERROR: %s\n", XML_ErrorString(errcde));
        printf("Error at column number %lu\n",    XML_GetCurrentColumnNumber(p_ctrl));
        printf("Error at line number %lu\n", XML_GetCurrentLineNumber(p_ctrl));
    }
    free(line);
    line = NULL;
    len = 0;
}

XML_ParserFree(p_ctrl);
fclose(inXML);
return 0;
}

これは、解析しようとしている XML ファイルです。

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<!DOCTYPE threadrecordml [
<!ELEMENT threadrecordml (file)*>
<!ATTLIST threadrecordml version CDATA #FIXED "0.1">
<!ATTLIST threadrecordml xmlns CDATA #FIXED "http://cartesianproduct.wordpress.com">
<!ELEMENT file EMPTY>
<!ATTLIST file thread CDATA #REQUIRED>
<!ATTLIST file path CDATA #REQUIRED>
]>
<threadrecordml xmlns="http://cartesianproduct.wordpress.com">
<file thread="1" path="tester_1.xml" />
<file thread="3" path="tester_3.xml" />
<file thread="2" path="tester_2.xml" />
<file thread="4" path="tester_4.xml" />
<file thread="5" path="tester_5.xml" />
<file thread="6" path="tester_6.xml" />
<file thread="7" path="tester_7.xml" />
<file thread="8" path="tester_8.xml" />
<file thread="9" path="tester_9.xml" />
<file thread="10" path="tester_10.xml" />
<file thread="11" path="tester_11.xml" />
<file thread="12" path="tester_12.xml" />
<file thread="13" path="tester_13.xml" />
<file thread="14" path="tester_14.xml" />
<file thread="15" path="tester_15.xml" />
<file thread="16" path="tester_16.xml" />
<file thread="17" path="tester_17.xml" />
<file thread="18" path="tester_18.xml" />
</threadrecordml>

これは出力のサンプルです...

adrianm@imola:/n/staffstore/adrianm/optGenC$ ./optgenc ../tester_control.xml 
Line is <?xml version="1.0" encoding="UTF-8" standalone="no"?>
ERROR: not well-formed (invalid token)
Error at column number 0
Error at line number 2
Line is <!DOCTYPE threadrecordml [
ERROR: not well-formed (invalid token)
Error at column number 0
Error at line number 3
Line is <!ELEMENT threadrecordml (file)*>
ERROR: not well-formed (invalid token)
Error at column number 0
Error at line number 4
Line is <!ATTLIST threadrecordml version CDATA #FIXED "0.1">
ERROR: not well-formed (invalid token)
Error at column number 0

（全線共通）

「チート」して、読み取りの後にこの行を追加すると...

line = "<file thread=\"1\" path=\"tester.xml\" />";

行が解析されます (もちろん、コードは他の理由で壊れます)。

そのため、ディスク ファイルからの読み取りでマングリングが進行しているように見えます...これはおそらく 16 ビットとして読み取られているのでしょうか? しかし、パーサーのエンコーディングを NULL または UTF-16 に変更しても、違いはないようです。

誰でも説明できますか？(違いがある場合は、64ビットOSXとLinuxの両方のボックスでこのコードを実行しましたが、同じ問題がありました)

4

1 に答える 1