XML处理指令和空白

Question

我目前正在研究node.js的XML/HTML解析器(如果您感兴趣:链接)。让我开门见山:我需要知道应该如何处理处理指令中的前导空格。它们应该相等吗?

1. <?asdf ?>
2. < ?asdf ?>
3. <? asdf ?>
4. < ? asdf ?>

我猜严格的XML将只允许第一个(但预期的行为是什么?我不想去验证，我想接受我能接受的大多数结构)，这更像是一个哲学问题。

提前感谢!

Answer 1

根据XML规范，只允许第一种表示。我想说其他表示应该会导致错误。

您可以添加一些预处理来清除无效结构(删除空白)，然后将数据作为XML读取。

这个预处理器会在数据到达XML解析器之前清理数据——它可能是另一个程序。这样，XML解析器只有在输入数据是一半有效的情况下才会得到有效的XML(需要解析的特殊情况较少)。如果解析器仍然遇到错误，则可以假定输入根本不是xml格式的。

例如，在预处理期间，数据将被更改，最终解析为XML:删除假空格(一个预处理器)→猜测结束标签(其他预处理器)→解析为XML

关于允许的结构的问题由你的语句来回答，以尽可能多地接受。因为在这种情况下，您将删除<之后的所有空白，如果后面是?，则再次删除空白，直到下一个单词-然后作为XML解析。

就我个人而言，我不认为接受大多数结构是可取的。如果您的数据包含错误，则应按错误处理