[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:

<?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:

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...