问题标签 [sgml]

如何让 emacs 始终关闭 sgml-tag (CcCt)？

例如div，h2标签工作正常，但p或li不能。基本上我正在寻找一种方法来指定我在插入标签时总是使用 xhtml。

我的 .sgm 文件中有以下示例 sgml 数据，我想将其转换为 xml

输出应该是这样的：

这可以在 c# 中完成，还是我们可以使用 xslt 2.0 来进行这种转换？

我对 Python 完全陌生。我有以下代码：

它从 SGML 中提取标题元素，但它仅适用于单个标题。我知道我必须重载 unknown_starttag 和 unknown_endtag 才能获得所有标题，但我一直弄错。请帮帮我！！！

我正在寻找可以解析以 SGML 格式的文档的 Java 解析器。

对于重复的监视器：我知道讨论此主题的另外两个线程： Parsing Java String with SGML Java SGML to XML conversion？ 但两者都没有解决方案，因此有了新的话题。

对于将 XML 与 SGML 混淆的人：请阅读以下内容：http ://www.w3.org/TR/NOTE-sgml-xml-971215#null （简而言之，有足够的细微差别至少使其无法使用香草形式）

对于喜欢向 Google 询问海报的人：我已经这样做了，我能想到的最接近的是广受欢迎的 SAXParser：http: //download.oracle.com/javase/1.4.2/docs/api/javax /xml/parsers/SAXParser.html 但这当然是一个 XML 解析器。我正在环顾四周，看看是否有人对 SAX Parser 进行了修改以适应 SGML。

最后，我无法使用 SX，因为我正在寻找 Java 解决方案。

谢谢！:)

我正在做我的文本分类项目。我的信息检索项目有一个名为 Reuters-21578 的文本分类测试集合。它分布在 22 个文件中。前 21 个文件（reut2-000.sgm 到 reut2-020.sgm）中的每一个都包含 1000 个文档，而最后一个（reut2-021.sgm）包含 578 个文档。文件为 SGML 格式。22 个文件中的每一个都以文档类型声明行开头： DTD 文件 lewis.dtd 包含在分发中。在文档类型声明行之后是用 SGML 标签标记的单独的路透社文章。

我需要帮助来编写一个 java 程序来读取那些 21578 个文档或将它们转换为 21578 个分隔的文本文件。

有人可以帮我吗？？？？

阅读一些 相关 问题让我想到了 HTML 的理论性质。

我在这里不是在谈论类似 XHTML 的代码。我说的是这种疯狂的标记之类的东西，它是完全有效的 HTML（！）

那么考虑到 SGML 在这里注入的巨大复杂性，HTML 是一种上下文无关的语言吗？无论如何，它是一种正式的语言吗？有语法吗？

HTML5 怎么样？

_{我是正式语言概念的新手，所以请多多包涵。是的，我已经阅读了维基百科的文章；）}

我的数据库中有非标准字符（由于换行符）。

我的 HTML 验证器正在抱怨它们。

因为我的 HTML 验证器是我自我的直接延伸，所以我想让这件事保持愉快和绿色-ok-arrow-y。

以前做过这个的人有快速修复吗？

顺便说一句，我不想​​更改页面的字符集、文档类型或数据。只是在寻找一种utf8_decode()可以清理字符串的类型，但utf8_encode()不起作用utf8_decode()......

更新

抱歉，“非标准字符”有点含糊，但这个错误警告也是如此。具体来说，它们不是SGML 字符，显然不适合 SGML 解析器……但现在我进入了模糊的领域，不确定发生了什么。

I'm more used to xml documents and tools, but I need to deal with sgml. I have an sgml document that I'm using nsgmls to parse, and I need to include a particular sgml declaration with it. It works fine if I specify the declaration file on the command line:

But I'd like to include the reference to the declaration within the sgml file (and not the entire declaration). Including it like a xml doctype i.e., <!DOCTYPE MyDoc SYSTEM "mydoc.decl"> fails with

and the declaration isn't parsed (leading to lots of other errors). Trying to do the same thing as a SGML declaration: <!SGML MyDoc SYSTEM "mydoc.decl"> isn't any better, that gives me a fatal error:

Is there any way to just reference the external file, or will I always need to specify it on the command line?