Nokogiri:用' ?字段名

Question

控制器响应包含"spec?"字段:

r = "<?xml version="1.0" encoding="UTF-8"?>n<hash type="array">n  <item><spec? type="boolean">false</spec?>n </item>n  <hash>n"

当尝试用Nokogiri.xml(r)从它创建xml时，接收字面:

<?xml version="1.0" encoding="UTF-8"?>
<hash type="array">
  <item><spec type=" type=&quot;boolean&quot;&gt;false/spec">
 </spec>item&gt;
  <hash>
</hash></item></hash>

有些奇怪;

我的问题是:是否可以使用Nokogiri从字符串创建xml，解析或删除?和其他非xml标准字符，在Nokogiri.XML()阶段?

Desirible结果:

Nokogiri.xml(r) do |config|
 config.maybe_some_configs?
end #=>
    <?xml version="1.0" encoding="UTF-8"?>
    <hash type="array">
      <item><spec type="boolean">false</spec></item>       
    </hash>

Answer 1

将字符串解析为XML DOM的正确方法是Nokogiri::XML或Nokogiri.XML或Nokogiri::XML.parse，但不使用xml。

另外，XML标记不能包含?。有关更多信息，请参阅规范。您必须深入研究"名称和令牌"部分并解码十六进制字符描述以找出允许的字符范围，但提示?是字符代码0x3f。

这导致r中的XML无效:

<?xml version="1.0" encoding="UTF-8"?>
<hash type="array">
  <item><spec? type="boolean">false</spec?>
 </item>
  <hash>

解析后得到:

irb(main):012:0> doc = Nokogiri::XML(r)
#<Nokogiri::XML::Document:0x80c8014c name="document" children=[#<Nokogiri::XML::Element:0x80c7399c name="hash" attributes=[#<Nokogiri::XML::Attr:0x80c733e8 name="type" value="array">] children=[#<Nokogiri::XML::Text:0x80c6e26c "n  ">, #<Nokogiri::XML::Element:0x80c6df60 name="item" children=[#<Nokogiri::XML::Element:0x80c6d970 name="spec">, #<Nokogiri::XML::Text:0x80c6d09c "? type="boolean">false">]>, #<Nokogiri::XML::Text:0x80c6ca34 "?>n ">]>]>
irb(main):013:0> doc.errors
[
    [0] #<Nokogiri::XML::SyntaxError: error parsing attribute name>,
    [1] #<Nokogiri::XML::SyntaxError: attributes construct error>,
    [2] #<Nokogiri::XML::SyntaxError: Couldn't find end of Start Tag spec line 3>,
    [3] #<Nokogiri::XML::SyntaxError: expected '>'>,
    [4] #<Nokogiri::XML::SyntaxError: Opening and ending tag mismatch: item line 3 and spec>,
    [5] #<Nokogiri::XML::SyntaxError: Opening and ending tag mismatch: hash line 2 and item>,
    [6] #<Nokogiri::XML::SyntaxError: Extra content at the end of the document>
]

因此，Nokogiri不得不在DOM中做一些修复来尝试理解它。生成的XML如下所示:

irb(main):014:0> puts doc.to_xml
<?xml version="1.0" encoding="UTF-8"?>
<hash type="array">
  <item><spec/>? type="boolean"&gt;false</item>?&gt;
 </hash>

修复它的方法是给Nokogiri 有效的 XML。要么修复XML的源代码(如果您控制它)，要么在将字符串传递给Nokogiri之前修复字符串中的问题。

根据其定义，XML是一种严格的格式，Nokogiri尊重这一点，并试图友好地使您可以检查errors以查看它是否为empty?。如果不是，那么在确定问题并修复导致解析问题的原因之前，很可能不应该继续使用源代码。有时问题是相当温和的，你可以忽略它，但无论哪种情况，你至少应该意识到它。

在Nokogiri发现之前预先处理数据并不难:

doc = Nokogiri::XML(r.gsub('spec?', 'spec'))
irb(main):024:0> puts doc.to_xml
<?xml version="1.0" encoding="UTF-8"?>
<hash type="array">
  <item><spec type="boolean">false</spec>
 </item>
  <hash>
</hash></hash>
nil
irb(main):025:0> doc.errors
[
    [0] #<Nokogiri::XML::SyntaxError: Premature end of data in tag hash line 5>,
    [1] #<Nokogiri::XML::SyntaxError: Premature end of data in tag hash line 2>
]

这是一个开始，但不是试图为你彻底解决它。我是教你钓鱼，不是发鱼。