7

我想知道 Ruby 中是否有一个函数is_xml?(string)可以识别给定的字符串是否为 XML 格式。

4

2 回答 2

20

Nokogiriparse使用一个简单的正则表达式测试来<html>尝试确定要解析的数据是 HTML 还是 XML：

string =~ /^s*<[^Hh>]*html/ # Probably html

类似的东西，寻找 XML 声明将是一个起点：

string = '<?xml version="1.0"?><foo><bar></bar></foo>'
string.strip[/\A<\?xml/]
=> "<?xml"

nil如果返回的字符串以外的任何内容都包含 XML 声明。对此进行测试很重要，因为空字符串会欺骗后续步骤。

Nokogiri::XML('').errors.empty?
=> true

Nokogiri 也有这个errors方法，它会在尝试解析格式错误的文档后返回一系列错误。测试任何尺寸都会有所帮助：

Nokogiri::XML('<foo>').errors
=> [#<Nokogiri::XML::SyntaxError: Premature end of data in tag foo line 1>]
Nokogiri::XML('<foo>').errors.empty?
=> false

Nokogiri::XML(string).errors.empty?
=> true

如果文档在语法上有效，则为 true。

我刚刚测试了 Nokogiri，看看它是否可以区分常规字符串和真正的 XML：

[2] (pry) main: 0> doc = Nokogiri::XML('foo').errors
[
    [0] #<Nokogiri::XML::SyntaxError: Start tag expected, '<' not found>
]

因此，您可以遍历文件并将它们轻松分类为 XML 和非 XML：

require 'nokogiri'

[
  '',
  'foo',
  '<xml></xml>'
].group_by{ |s| (s.strip > '') && Nokogiri::XML(s).errors.empty? }
=> {false=>["", "foo"], true=>["<xml></xml>"]}

将结果分配group_by给一个变量，您将获得一个哈希值，您可以检查非 XML ( false) 或 XML ( true)。

于 2012-12-27T09:53:17.550 回答
1

Ruby 的 String 类或 Active Support 的 String 扩展中没有这样的功能，但您可以使用 Nokogiri 来检测 XML 中的错误：

begin
  bad_doc = Nokogiri::XML(badly_formed) { |config| config.strict }
rescue Nokogiri::XML::SyntaxError => e
  puts "caught exception: #{e}"
end
于 2012-12-27T09:11:46.593 回答