XML处理指令和空白区域

Question

我目前正致力于node.js的XML / HTML解析器（如果您感兴趣：link）。让我明白一点：我需要知道如何处理处理指令中的前导空格。这些应该相等吗？

1. <?asdf ?>
2. < ?asdf ?>
3. <? asdf ?>
4. < ? asdf ?>

我想严格的XML只会允许第一个（但那么预期的行为是什么？我不想验证，我想接受我能做的最多的构造），这更像是一个哲学问题。

提前致谢！

Answer 1

根据the XML specification，只允许第一个表示。我说其他陈述应该会导致错误。

您可以添加一些预处理来清理无效的构造（删除空格），然后将数据读取为XML。

这个预处理器会在数据到达您的XML解析器之前清理它 - 它可能是另一个程序。这样，如果输入数据有效，那么您的XML解析器将只获得有效的XML（更少特殊情况需要解析）。如果你的解析器仍然遇到错误，你可以假设输入根本不是XML-ish。

因此，例如在预处理期间，数据将被更改，最终解析为XML： 删除虚假空格（一个预处理器）→猜测结束标记（其他预处理程序）→解析为XML

您的声明可以回答允许的结构的问题，尽可能地接受。因为在这种情况下你会删除<之后的所有空格，如果跟随?，则再次删除空格直到下一个单词 - 然后解析为XML。

就个人而言，我并不认为接受大多数结构是可取的。如果您的数据包含错误，则应按原样处理。