XML良构性指文档严格符合基础语法规范：有唯一根元素、标签正确嵌套闭合、属性值加引号、无重复属性、特殊字符需转义；不满足则解析器直接报错，无法加载。
XML良构性指的是什么
XML良构性（Well-formedness）是XML最基础的语法合规要求，不涉及语义或业务规则，只关注结构是否符合XML规范。一个XML文档只要满足以下条件，就是良构的：有且仅有一个根元素、所有标签必须正确嵌套和闭合、属性值必须用引号包裹（单引号或双引号）、不能有重复的属性名、字符数据中不能直接出现 <、&、> 等特殊字符（需转义为 <、&、>）。
不符合良构性会导致解析器直接报错，比如 XMLParserError: Unexpected token 或 ParseError: mismatched tag，连加载都失败，更谈不上后续的验证或处理。
用 DOMParser 检查浏览器端XML良构性
在浏览器环境中，DOMParser 是最轻量、最直接的验证方式。它不依赖外部库，出错即抛异常，适合前端表单提交前校验用户输入的XML片段。
const parser = new DOMParser();
try {
const doc = parser.parseFromString(xmlString, 'application/xml');
const parserError = doc.querySelector('parsererror');
if (parserError) {
throw new Error('XML not well-formed: ' + parserError.textContent);
}
console.log('XML is well-formed');
} catch (e) {
console.error('Invalid XML:', e.message);
}注意点：
-
parseFromString返回的文档即使含错误也不会抛异常，必须手动检查是否存在parsererror元素 -
xmlString不能为空或只含空白，否则返回空文档但无parsererror - 不要传入 HTML 字符串（如含
<br>
），会误判
用 xml.etree.ElementTree 解析 Python 中的XML
Python 标准库的 xml.etree.ElementTree 对良构性非常严格，ET.fromstring() 遇到任何语法问题都会抛 xml.etree.ElementTree.ParseError。这是判断良构性的可靠方式。
import xml.etree.ElementTree as ET
<p>try:
root = ET.fromstring(xml_bytes)
print("XML is well-formed")
except ET.ParseError as e:
print(f"XML parse error at line {e.lineno}, column {e.column}: {e.msg}")</p><h1>常见 msg 包括 "mismatched tag", "unclosed token", "not well-formed"</h1><p>except ValueError:</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/ai/1041" title="Otter.ai"><img
src="https://img.php.cn/upload/ai_manual/000/000/000/175680040622512.jpg" alt="Otter.ai" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/ai/1041" title="Otter.ai">Otter.ai</a>
<p>一个自动的会议记录和笔记工具，会议内容生成和实时转录</p>
</div>
<a href="/ai/1041" title="Otter.ai" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><h1>比如传入 bytes 但内容为空，或编码问题</h1><pre class='brush:php;toolbar:false;'>print("Invalid input (empty or encoding issue)")</pre>关键细节：
- 推荐用
ET.fromstring()而非ET.parse()（后者需文件路径或文件对象） - 错误信息中的
lineno和column很实用，但只对原始字节/字符串有效；若已解码为 str 且含 BOM 或换行符不一致，定位可能偏移 - 不支持 DTD 解析，遇到
<!DOCTYPE ...>会报错，除非显式禁用：用XMLParser(resolve_entities=False)
常见良构性陷阱与绕过转义的替代方案
很多“看起来像XML”的内容实际因几个小疏漏而非法：
-
&未转义成&（例如写成price=10¤cy=USD） - 使用了自闭合的 HTML 风格标签（如
<br/>
在 XML 中合法，但<br>
不合法——必须闭合） - 混用了不同引号：属性用单引号，但值里又出现未转义的单引号（
name='O'Reilly'→ 必须写成name="O'Reilly"或name='O'Reilly'） - 文本节点开头或结尾含 UTF-8 BOM（
\ufeff），导致解析器看到非法首字符
如果频繁处理含用户输入的文本（如日志、评论），硬转义容易出错。可考虑：
- 用
CDATA包裹整段内容：<content><![CDATA[<div onclick="alert('xss')">]]></content><li>改用更宽容的数据格式（如 JSON），除非协议强制要求 XML</li> <li>在接收端用正则预清洗（仅限简单场景）：<code>xml_string.replace(/&(?!(amp|lt|gt|quot|apos);)/g, '&')
真正难的不是写出良构XML，而是当它被拼接、模板渲染、HTTP参数截断或跨系统传输后，还能保持良构。每次拼接都要重新验证，别信“上次没问题这次也不会”。
