PHP expat 解析器：如何区分“真实”[CDATA[...]] 部分和普通的 TEXT 节点？-解网

问：

我正在尝试使用内置的XML expat解析器在PHP中处理大型XML文件（~1GB）。我通过调用来设置处理程序，以便我可以提取 TEXT 数据。xml_set_character_data_handler()

问题是，处理程序将在“正常”TEXT 节点和“实际”CDATA 部分（例如）上调用，但只有 CDATA 部分内容（即：“”）将传递给处理程序。<![CDATA[hello world]]>hello world

所以我的问题：有没有办法知道传递给字符数据处理程序的数据是普通的TEXT节点，还是部分的内容？<![CDATA[...]]>

我需要知道这一点，因为 XML 数据需要遵循严格的格式规则并且不允许使用，并且我应该为这些格式错误的 XML 文件生成错误报告。<![CDATA[...]]>

PS：我已经尝试过了，但无法获得我的任务所需的 curren 节点的行号。我认为在处理大型XML文件时调用不是一个好主意。XMLReaderXMLReader::expand()->getLineNo()

php xml xml 解析

尽管 XML 规范对此并非 100% 规定，但社区中有一个普遍的共识，即作为 XML 文档的接收者，无论是否使用了 CDATA，您都应该以完全相同的方式对待文本内容。它与要求 XML 作者编写字符引用 as 而不是：大多数 XML 解析器不允许您查看已使用的内容，因此无法强制执行该规则。#x0D;#xd;

0赞 RichardLiu 5/30/2023

@MichaelKay 好吧，许多（如果不是大多数）XML 解析器确实允许您查看已使用的内容。PHP 内置有一个 nodeType 常量值！CDATA 部分。可以添加回调通知你下一个节点是！CDATA中。并允许您选择是保留还是剥离标题。如果 PHP XML expat 解析器只是将附加了标头的值传递给我，我会非常高兴，但我不知道如何在传递给处理程序之前阻止它剥离标头。XMLReaderXMLReader::CDATAlibexpatlibxml2<![CDATA[<![CDATA[

0赞 Michael Kay 5/31/2023

是的，有许多解析器可以让你做到这一点。这并不意味着这样做是个好主意。

0赞 RichardLiu 5/31/2023

@MichaelKay对于普通的XML解析器来说，它可能不是必需的，因为您所需要的只是提取值。但我需要的不是一个普通的XML解析器：我的任务是编写一个XML Linter工具来验证输入XML文件的语法和结构，并检查TEXT节点的值范围。!CDATA 部分未在我正在处理的 XML 文件的规则手册中指定，我应该将其记录为错误。

0赞 Michael Kay 6/2/2023

在我看来，CDATA 100% 等同于用 & 号转义特殊字符，在我看来，不允许这样做的“规则手册”是完全错误的。这样的规则书应该在结构级别（例如XSD或RelaxNG）而不是在词法级别上约束XML。

答： 暂无答案

上一个：参考 - 如何在 SimpleXML 中处理命名空间（名称中带有冒号的标记和属性）？

下一个：参考 - 如何在 SimpleXML 中处理命名空间（名称中带有冒号的标记和属性）？

PHP expat 解析器：如何区分“真实”[CDATA[...]] 部分和普通的 TEXT 节点？

PHP expat parser : How to distinguish "real" [CDATA[...]] section from normal TEXT node?

评论