html - XercesLib 无法解析无效的 XML

Question

我正在使用 XercesLib c++ 库来解析 html 文件。在我的情况下，html 文件可能在标签内容中有尖括号。

<math>
<mo> < <mo>
</math>

现在 XercesLib 无法解析 mo 标签的内容，如果任何标签有非转义字符，它会给我空输出。

我无法告诉源提供转义的输入文件，因为某些 JavaScript 库（MathJAx）可以毫无问题地解析相同的文件。

如何在 XercesLib 中解决这个问题？

Answer 1

根据评论，这根本不是有效的 MathML（甚至是有效的 XML）。

MathJax 可以解析这个应该被认为是幸运的，而不是 MathJx 的一个特性。从他们的文档中：

MathML 支持仍在积极开发中，因此一些标签尚未实现，一些功能尚未完全开发，但即将推出。

有理由相信，未来版本的 MathJax 将不再支持您提供的 MathML 示例，我怀疑它们是否会明确支持无效的 XML。

作为记录，MathJax 实际上并不解析 XML。它对其应用 XSLT 转换。它还在操作输入 XML，因为如果您查看“原始 MathML”，您会得到：

<math>
<mo> &lt; <mo>
</mo></mo></math>

简而言之，您确实需要抵制无效 XML 的提供者，否则您将发现自己在未来处于一个更加棘手的境地。