Question

我想解析一个不寻常的XML结构，如下所示。两个自动关闭标签用于标记文本的开头和结尾。因此，文本不在标记分区内。

<article>
  <sec>
    <clause id="31"/>This says thirty-one <clause_end/>
    <clause id="32"/>This says thirty-two <clause_end/>
  </sec>
</article>

遗留文档不太适合XML的离散层次化要求，并且此模式尝试解决这些问题。

是否与XML的任何声音实现一致？
您对如何应用XML解析器有什么建议吗？

保持原始结构是可取的，但如果答案为否，那么我将不得不：

制作一个标记文字的替代架构：<clause id="32"> text </clause>。
通过剥离干扰<clause>的其他标记，使文档格式正确。我很确定没有什么我会错过的。

顺便说一下，我很乐意链接到实时文件，除了我宁愿不让开发人员难堪，假设这个模式和我想象的一样偏离。 ; - ）

基于9月9日的答案......

是否与XML的任何声音实现一致？
。。。的可能
您对如何应用XML解析器有什么建议吗？
。。。 尽可能地解析，但在架构中的这个级别，您必须使用字符串。

我可能会保留现有的结构，但会引入一个小的增强功能：

<article>
  <sec>
    <clause id="31"/>This says thirty-one <clause_end id="31"/>
    <clause id="32"/>This says thirty-two <clause_end id="32"/>
  </sec>
</article>

Answer 1

在其他模式中，这种结构肯定有先例，例如milestone-start中的milestone-end和National Library of Medicine Tag Set（虽然我从未在超过一百万份文档中看到过它们）。请注意，它们在IDREF上包含milestone-end属性，可将其与milestone-start/@id配对。在解析时，这肯定有助于处理这些元素。

扩展OSIS评论，因为我发现这个特别有趣和优雅（或者至少是一个可以解决这个混乱问题的优雅解决方案），来自this article：

OSIS中使用的解决方案是：既不使用通用里程碑标记也不使用特定的额外标记，而是使用与里程碑和非里程碑元素完全相同的标记：在空格式和非空格式中。通过小组的sighran。简而言之，


尽可能使用<q who='paris'>...</q>，否则

使用<q who='paris' sID='foo'/>...<q eID='foo'/>


这种方法在特洛伊被称为“特洛伊木马里程碑”之后，几乎可以免费使用典型的模式语言。不需要额外的元素。只需添加sID和eID属性，并确保允许空内容。因此，任何元素都不会随意或需要时具有里程碑意义。正确的属性会自动生成，因为相同的声明生效。

XML模式的数据不包含在标签中 - ？

基于9月9日的答案......

1 个答案: