Question

我正在尝试编写一个从XML标记中删除空格的perl脚本，但在值内留下空格。例如，假设我有：

<Example>This is an example.</Exampl   e>

我想要完成的是在</Exampl e>中专门敲掉空白。由于这将处理整个XML文档，我想我会用替换运算符做一些事情，但我无法弄清楚如何只匹配可能在XML标记本身内部的空格。

非常感谢任何帮助！

编辑：我添加了一个正在发生的事情的真实示例：

not well-formed (invalid token) at line 42, column 25, byte 1456:
                    <Artist>Eminem</Artist>
                    <FileName>eminem feat lil wayne - no love -
hotnewhiphop com(2).mp3</    FileName>
========================^
                    <FileSize>4804478</FileSize>

Answer 1

s!(</?\w+)\s+(\w+\s+/?>)!$1$2!g;

如果要在带有属性的标记中实际留下空格，则会变得更复杂，因为空格是标记中的合法字符。你几乎必须在他们之后找到没有等于或空格+等于的“单词”并将它们与之前的未加引号的 - 单词结合起来。

sub marry_inner_splits {
    my $_ = shift;
    # fix broken tags
    s|^/?(\w+)\s+(\w+)\b(?!\s*=)|$1$2|; 
    # find the resulting position.
    my $pos = index( $_, ' ' );
    # return if there is no whitespace.
    return $_ if $pos == -1;
    # bind the rest of the text to the substring
    substr( $_, $pos ) =~ s/(\s*\w+)\s+(\w+\s*=\s*(?:"[^"]+"|'[^']+')\s*)/$1$2/g;
    return $_;
}

my $tag_str = q{Some stuff before the tag <ta g attr1="val1" att   r2="value #2"     /></Escap   e>};
$tag_str =~ s/<([^>]+)>/'<' . marry_inner_splits($1) . '>'/ge;

e标志表示您在替换部分中* eval *。

Answer 2

我强烈建议避免滚动自己的XML解析，或尝试通过正则表达式等操作XML。

使用众多可用的XML解析器之一，让自己免于麻烦。

例如，请查看XML::Easy，XML::Smart，XML::TreeBuilder，XML::Twig。

另请参阅http://perl-xml.sourceforge.net/faq/，了解有关使用Perl处理XML的非常全面的常见问题解答。

从XML标记中删除空格

2 个答案: