[Llirik]

Всем доброго времени суток!

Столкнулся с такой проблемой:
Необходимо парсить xml файлы, которые содержат в значениях HTML текст.
Соответственно внутри значений встречаются тэги, т.е. текст содержит символы < и >, которые воспринимаются как разметка самого xml .
В итоге при активации XMLDocument вылетает ошибка.
Повлиять на формирование исходных файлов (изначально заменять эти спец символы внутри значений) возможности нет.
Как бороться с этой проблемкой может кто подскажет? Может есть какое-то стандартное решение?
При том на PHP SimpleXML отрабатывает эти xml-ки без ошибок.

Вот пример xml:

Код:

1 2 3 4 5

<?xml version="1.0" encoding="windows-1251"?> <content> <result>success</result> <data> тут текст, и вдруг html тэг <br> и настает облом... </data> </content>

[lmikle]

ну, вообще-то, это нарушение спецификации xml. Т.е. это правильно, что TXMLDoc падает на парсинге такого xml. Можно попробовать парсить не через XMLDoc, а через HTMLDoc (это не компонент, надо создать соотв. объект "руками"). Вот пример из одного моего проекта:

Код:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61

procedure TMonitorItem.SetValuesFromInternetPage(APage : String; AFirst : Boolean = True); var   HTMLDoc: OleVariant;   HTMLElement: OleVariant;   I, J : Integer;   Buf, Buf2 : String;     AName : String;   APrice : Currency; begin   AName := 'Item';   APrice := 0.0;     HTMLDoc := coHTMLDocument.Create as IHTMLDocument2;   HTMLDoc.Write(APage);   HTMLDoc.Close;     For I := 0 To HTMLDoc.all.length - 1 Do     Begin       HTMLElement := HTMLDoc.all.item(I);         If HTMLElement.tagName = 'META' Then         Begin           If (IDispatch(HTMLElement) as IHTMLElement5).hasAttribute('name') Then             If HTMLElement.getAttribute('name',0) = 'keywords' Then               If (IDispatch(HTMLElement) as IHTMLElement5).hasAttribute('content') Then                 AName := DecodeHtmlText(HTMLElement.getAttribute('content',0));         End;         If HTMLElement.tagName = 'SPAN' Then         Begin           If (IDispatch(HTMLElement) as IHTMLElement5).hasAttribute('class') Then             If Not VarIsNull(HTMLElement.getAttribute('className',0)) Then               If HTMLElement.getAttribute('className',0) = 'itc-you-pay-price bold' Then                 Begin                   buf := HTMLElement.innerHTML;                   If FormatSettings.DecimalSeparator = ','                     Then buf := StringReplace(buf,'.',',',[])                     Else buf := StringReplace(buf,',','.',[]);                   Buf2 := '';                   For J := 1 To Length(Buf) Do                     If CharInSet(Buf[J],['0'..'9',FormatSettings.DecimalSeparator]) Then                       Buf2 := Buf2 + Buf[J];                   APrice := StrToCurr(buf2);                 End;         End;     End;     If (AName = '') And (APrice = 0.0) Then     Raise Exception.Create('Error reading product page.');     FLastPrice := APrice;   FLastDate := Now;     If AFirst Then     Begin       FItemName := AName;       FInitPrice := APrice;       FInitDate := Now;     End; end;

[Llirik]

Спасибо!

Я так и подумал, что придется самому расшифровывать... Проблематика в том, что имена разделов заранее не известны , а вложенность разделов достаточна большая . Но посмотрев внимательнее обнаружил, что такие глюки встречаются лишь в разделах с определенными именами. Я попробую предварительно тупо преобразовать исходный документ к корректной структуре, а именно, вручную найти все разделы с «опасными» именами и заменить внутри их недопустимые символы своими шифровками.
А после обработки xml вернуть эти символы восвояси...