4

在我的一生中，我无法理解用于实体处理的 XML::Twig 文档。

我有一些使用 HTML::Tidy 生成的 XML。调用如下：

my $tidy = HTML::Tidy->new({
    'indent'          => 1,
    'break-before-br' => 1,
    'output-xhtml'    => 0,
    'output-xml'      => 1,
    'char-encoding'   => 'raw',
});

$str = "foo   bar";
$xml = $tidy->clean("<xml>$str</xml>");

产生：

<html>
  <head>
    <meta content="tidyp for Linux (v1.02), see www.w3.org" name="generator" />
    <title></title>
  </head>
  <body>foo &nbsp; bar</body>
</html>

XML::Twig（可以理解）在&nbsp;. 我想做一些转换，通过 XML::Twig 运行它：

my $twig = XML::Twig->new(
  twig_handlers => {... handlers ...}
);

$twig->parse($xml);

上的$twig->parse线 barfs &nbsp;，但我不知道如何以编程&nbsp;方式添加元素。我试过这样的事情：

my $entity = XML::Twig::Entity->new("nbsp", "&#160;");
$twig->entity_list->add($entity);
$twig->parse($xml);

……但没有喜悦。

请帮忙=)

4

3 回答 3

6

在这种情况下，一个肮脏但有效的技巧是添加一个虚假的 DTD 声明。

然后进行解析的 XML::Parser 将假定该实体是在 DTD 中定义的，并且不会对它提出异议。

要摆脱虚假的 DTD 声明，您可以输出树枝的根。如果您需要不同的声明，请创建它并替换当前声明：

#!/usr/bin/perl 

use strict;
use warnings;

use XML::Twig;

my $fake_dtd= '<!DOCTYPE head SYSTEM "foo"[]>'; # foo may not even exist

my $xml='<html>
  <head>
    <meta content="tidyp for Linux (v1.02), see www.w3.org" name="generator" />
    <title></title>
  </head>
  <body>foo &nbsp; bar</body>
</html>';

XML::Twig->new->parse( $fake_dtd . $xml)->root->print;
于 2010-10-27T13:23:39.960 回答
4 
use strict;
use XML::Twig;

my $doctype = '<?xml version="1.0" encoding="utf-8"?><!DOCTYPE html [<!ENTITY nbsp "&#160;">]>';
my $xml = '<html><head><meta content="tidyp for Linux (v1.02), see www.w3.org" name="generator" /><title></title></head><body>foo &nbsp; bar</body></html>';

my $xTwig = XML::Twig->new();

$xTwig->safe_parse($doctype . $xml) or die "Failure to parse XML : $@";

print $xTwig->sprint();
于 2010-10-22T19:24:17.273 回答
1

也许有更好的方法，但下面的代码对我有用：

my $filter = sub {
    my $text  = shift;
    my $ascii = "\x{a0}";    # non breaking space
    my $nbsp  = '&nbsp;';
    $text =~ s/$ascii/$nbsp/;
    return $text;
};

XML::Twig->new( output_filter => $filter )
         ->parse_html( $xml )
         ->print;
于 2010-10-22T19:06:05.787 回答