Question

使用xml-conduit执行不区分大小写的标记和属性名称匹配的最佳方法是什么？

例如，考虑FP Complete的Haskell学校的HTML解析示例中的findNodes函数：

https://www.fpcomplete.com/school/starting-with-haskell/libraries-and-frameworks/text-manipulation/tagsoup

-- The data we're going to search for
findNodes :: Cursor -> [Cursor]
findNodes = element "span" >=> attributeIs "class" "sb_count" >=> child

（我已将此行修改为可以使用Bing的当前页面结构。）

我的实验表明，element和attributeIs在匹配名称时不会执行不区分大小写的比较。有没有一种简单的方法来改变它？

Answer 1

我找到了解决办法......仍然对清洁解决方案感兴趣。

基本上我们只创建自己的Text.HTML.DOM版本，它在创建XML树之前修复标记事件流中的标记和属性名称。

函数eventConduit的开头如下：

eventConduit :: Monad m => Conduit S.ByteString m XT.Event
eventConduit =
    TS.tokenStream =$= go []
  where
    go stack = do
        mx <- await
        case fmap (entities . fmap' (decodeUtf8With lenientDecode)) mx of
            Nothing -> closeStack stack
...

我们将case fmap ...行更改为：

        case fmap (entities . fixNames . fmap' (decodeUtf8With lenientDecode)) mx of

其中fixNames定义为：

fixNames :: TS.Token' Text -> TS.Token' Text
fixNames (TS.TagOpen x pairs b) = TS.TagOpen (T.toLower x) (map (T.toLower *** id) pairs) b
fixNames (TS.TagClose x)        = TS.TagClose (T.toLower x)
fixNames t                      = t

现在我们只在element和attributeIs中使用小写名称。

Answer 2

您可以使用laxElement在匹配元素时忽略大小写。它还将忽略名称空间。编写一个包含checkName的包装器应该很容易，它具有您正在寻找的确切语义。

不区分大小写的标记与xml-conduit匹配？

2 个答案: