Question

我正在使用XML Simple来解析XML文件，问题部分看起来像这样：

    <textBody>
        <title>
            <titlePart>
                <text>SECTION A <emdash/> HUMAN NECESSITIES</text>
            </titlePart>
        </title>
    </textBody>
    <ipcEntry kind="t" symbol="A01" ipcLevel="C" entryType="K" lang="EN">
        <textBody>
            <title>
                <titlePart>
                    <text>AGRICULTURE</text>
                </titlePart>
            </title>
        </textBody>
    </ipcEntry

由于某种原因XML :: Simple完全忽略<text>SECTION A <emdash/> HUMAN NECESSITIES</text> 我猜它是因为emdash标签，因为<text>AGRICULTURE</text>被解析得很好。我还尝试通过以下方式设置解析器：

$XML::Simple::PREFERRED_PARSER = 'XML::Parser';

仍然没有去。有什么想法吗？

Answer 1

标记的值包括文本和其他标记，称为“混合内容”。 XML::Simple不处理混合内容（无论如何都没有用）。在XML :: Simple的Universe视图中，标记可以包含文本或其他标记，而不是两者。这就是为什么它被称为“简单”。引用its docs：

混合内容（包含文本内容和嵌套元素的元素）将不会以有用的方式表示 - 元素顺序和重要的空白将丢失。如果您需要使用混合内容，那么XML :: Simple不适合您的工作

您必须选择不同的XML模块。 XML::LibXML和XML::Twig是受欢迎的选择。

另一种可能性是让生成XML的人使用实体而不是标签来表示像破折号这样的字符。例如，XML :: Simple可以处理：

<text>SECTION A &#8212; HUMAN NECESSITIES</text>

很好。（—是一个短划线。）

Answer 2

XML::Simple正在解析它，但它不能处理来自fine manual的混合内容：

混合内容（包含文本内容和嵌套元素的元素）将不会以有用的方式表示 - 元素顺序和重要的空白将丢失。如果您需要使用混合内容，那么XML :: Simple不适合您的工具工作 - 看看下一部分。

例如，这个：

use Data::Dumper;
use XML::Simple;
print Dumper(XMLin(qq{
    <textBody>
        <title>
            <titlePart>
                <text>SECTION A <emdash/> HUMAN NECESSITIES</text>
            </titlePart>
        </title>
    </textBody>
}));

收率：

$VAR1 = {
    'title' => { 
        'titlePart' => { 
            'text' => { 
                'emdash' => {}, 
                'content' => [ 
                    'SECTION A ', 
                    ' HUMAN NECESSITIES'
                ]
            }
        }   
    }
};

所以emdash就在那里，但混合内容相当混乱。

XML :: Simple忽略emdash标签？

2 个答案: