Java验证xml文件的正确性

在java中读取文件夹下多个xml文件时，有一个xml文件非良构，读取出错。该xml文件在IE打开后显示如下错误信息：
XML解析错误：未组织好 
位置：file:///C:/Users/long/DataScraperWorks/test/ddmk_weibo_fenxishi_list_16944905_3098730807.xml 
行：690，列：69：
在Myeclipse中运行，输出为：

public class xmlValidate {
	public static void main(String[] args) {
		try{
			String directory="C:/Users/long/DataScraperWorks/test";/*存储xml文件的文件夹*/
    		String fileSuffix = ".xml"; /*读取后缀为xml的文件*/
    		File file = new File(directory);
    		File[] filelist = file.listFiles();/*获取文件夹下的xml文件列表*/
    		for(int i=0;i<filelist.length;i++){
    			if(filelist[i].getName().lastIndexOf(fileSuffix)!=-1){
    				String filename = filelist[i].getName();/*获取每个xml文件的文件名*/
    				System.out.println(filename);
    	            SAXReader reader = new SAXReader();
    				//reader.setFeature("http://apache.org/xml/features/validation/schema", true);
    	            Document document = reader.read(directory+"/"+filename);/*读取xml文件，获得document对象*/
    	            System.out.println("Load success!");
    			}
    		}

			/*reader.setErrorHandler(new DefaultHandler()
			{
				public void error(SAXParseException e) throws SAXException{
					System.out.println("error:");
					System.out.println(e.getSystemId()+"文档的第"+e.getLineNumber()+"行 "+"发生错误，错误信息为 :"+e.getMessage());
				}
			});*/
		}catch (Exception e){
			System.out.println(e.getMessage());

		}
	}

}
输出结果：
ddmk_weibo_fenxishi_list_16944893_3098555023.xml
Load success!
ddmk_weibo_fenxishi_list_16944899_3106567492.xml
Load success!
ddmk_weibo_fenxishi_list_16944903_3098714823.xml
Load success!
ddmk_weibo_fenxishi_list_16944904_3098704145.xml
Load success!
ddmk_weibo_fenxishi_list_16944905_3098730807.xml
Error on line 690 of document file:///C:/Users/long/DataScraperWorks/test/ddmk_weibo_fenxishi_list_16944905_3098730807.xml : An invalid XML character (Unicode: 0xc) was found in the element content of the document. Nested exception: An invalid XML character (Unicode: 0xc) was found in the element content of the document.

我想咨询下大家，有没方法实现：当无法读取的xml文件时，则将该xml文件删除。

12 个解决方案

#1

捕获解析出错的异常，然后做删除处理。

#2

引用 1 楼 softroad 的回复:

捕获解析出错的异常，然后做删除处理。

catch (Exception e){
            System.out.println(e.getMessage());
            
        }
catch说明出错异常的信息，那应该在哪一步做判断，然后进行删除处理。

#3

catch (Exception e){
  System.out.println(e.getMessage());
  // do delete op
  }

#4

引用 3 楼 softroad 的回复:

catch (Exception e){
  System.out.println(e.getMessage());
  // do delete op
  }

catch语句中写删除函数？
。。。。。。

#5

有什么问题？

#6

你用dom4j读取，如果读取出错，就知道是哪个节点有问题了，再到catch{}中做相应的处理

#7

引用 6 楼 luohuijun619 的回复:

你用dom4j读取，如果读取出错，就知道是哪个节点有问题了，再到catch{}中做相应的处理

如下代码所示，我希望分析test文件夹下的xml，现在又5个xml文件，执行下面代码后，结果如下。

package myproject;

import java.io.File;

import org.dom4j.Document;
import org.dom4j.io.SAXReader;

public class xmlValidate {
	public static void main(String[] args) {
		try{
			String directory="C:/Users/long/DataScraperWorks/test";/*存储xml文件的文件夹*/
    		String fileSuffix = ".xml"; /*读取后缀为xml的文件*/
    		File file = new File(directory);
    		File[] filelist = file.listFiles();/*获取文件夹下的xml文件列表*/
    		for(int i=0;i<filelist.length;i++){
    			if(filelist[i].getName().lastIndexOf(fileSuffix)!=-1){
    				String filename = filelist[i].getName();/*获取每个xml文件的文件名*/
    				System.out.println(filename);
    	            SAXReader reader = new SAXReader();
    	            Document document = reader.read(directory+"/"+filename);/*读取xml文件，获得document对象*/
    	            System.out.println("Load success!");
    			}
    		}
		}catch (Exception e){
			System.out.println(e.getMessage());
		}
	}

}
输出结果：
ddmk_weibo_exception_16970809_3426606620.xml
Load success!
ddmk_weibo_fenxishi_list_16944899_3106567492.xml
Load success!
ddmk_weibo_fenxishi_list_16944903_3098714823.xml
Load success!
ddmk_weibo_fenxishi_list_16944904_3098704145.xml
Load success!
ddmk_weibo_fenxishi_list_16944905_3098730807.xml
Error on line 690 of document file:///C:/Users/long/DataScraperWorks/test/ddmk_weibo_fenxishi_list_16944905_3098730807.xml : An invalid XML character (Unicode: 0xc) was found in the element content of the document. Nested exception: An invalid XML character (Unicode: 0xc) was found in the element content of the document.

#8

引用 5 楼 softroad 的回复:

有什么问题？

文件ddmk_weibo_fenxishi_list_16944905_3098730807.xml，不能正确读取。在try中for循环，依次处理每个xml文件，用filelist[i]表示。那么我该怎么进行操作呢？

package myproject;

import java.io.File;

import org.dom4j.Document;
import org.dom4j.io.SAXReader;

public class xmlValidate {
	public static void main(String[] args) {
		try{
			String directory="C:/Users/long/DataScraperWorks/test";/*存储xml文件的文件夹*/
    		String fileSuffix = ".xml"; /*读取后缀为xml的文件*/
    		File file = new File(directory);
    		File[] filelist = file.listFiles();/*获取文件夹下的xml文件列表*/
    		for(int i=0;i<filelist.length;i++){
    			if(filelist[i].getName().lastIndexOf(fileSuffix)!=-1){
    				String filename = filelist[i].getName();/*获取每个xml文件的文件名*/
    				System.out.println(filename);
    	            SAXReader reader = new SAXReader();
    	            Document document = reader.read(directory+"/"+filename);/*读取xml文件，获得document对象*/
    	            System.out.println("Load success!");
    			}
    		}
		}catch (Exception e){
			System.out.println(e.getMessage());
		}
	}

}

ddmk_weibo_exception_16970809_3426606620.xml
Load success!
ddmk_weibo_fenxishi_list_16944899_3106567492.xml
Load success!
ddmk_weibo_fenxishi_list_16944903_3098714823.xml
Load success!
ddmk_weibo_fenxishi_list_16944904_3098704145.xml
Load success!
ddmk_weibo_fenxishi_list_16944905_3098730807.xml
Error on line 690 of document file:///C:/Users/long/DataScraperWorks/test/ddmk_weibo_fenxishi_list_16944905_3098730807.xml : An invalid XML character (Unicode: 0xc) was found in the element content of the document. Nested exception: An invalid XML character (Unicode: 0xc) was found in the element content of the document.

#9

                if(filelist[i].getName().lastIndexOf(fileSuffix)!=-1){
                    String filename = filelist[i].getName();/*获取每个xml文件的文件名*/
                    System.out.println(filename);
                    SAXReader reader = new SAXReader();
try {
                    Document document = reader.read(directory+"/"+filename);/*读取xml文件，获得document对象*/
}
catch(Exception e) {
    filelist[i].delete();
}
                    System.out.println("Load success!");
                }

#10

引用 9 楼 softroad 的回复:

Java code

                if(filelist[i].getName().lastIndexOf(fileSuffix)!=-1){
                    String filename = filelist[i].getName();/*获取每个xml文件的文件名*/
                    System.out.println……

在catch里执行delete操作没有成功，该文件还在。在try里执行filelist[i].delete();就能删除文件。
请问这是怎么回事呢？

#11

没道理的么

#12

引用 11 楼 softroad 的回复:

没道理的么

我也觉得疑惑啊~~~~~~~~~~~~~~