ruby - 为什么 REXML 不能解析前面有换行符的 CDATA？

Question

我是 Ruby 的新手，正在尝试使用 REXML 解析 XML 文档，该文档之前已经(通过 REXML)漂亮地打印出来，但结果有些不稳定。

一些 CDATA 部分在开始 XML 标记之后但在 CDATA block 开始之前有一个换行符，在这些情况下，REXML 将标记的文本解析为空。

• 是否可以让 REXML 读取这些行？
• 如果没有，我可以事先用正则表达式或其他东西重写它们吗？
• 这甚至是有效的 XML 吗？

这是一个示例 XML 文档(删节很多):

<?xml version="1.0" encoding="utf-8"?>
<root-tag>
    <content type="base64"><![CDATA[V2VsbCBkb25lISBJdCB3b3JrcyA6KQ==]]></content>
    <content type="base64">
        <![CDATA[VGhpcyB3b250IHdvcms=]]></content>

    <content><![CDATA[This will work]]></content>
    <content>
        <![CDATA[This will not appear]]></content>

    <content>
        Seems happy</content>
    <content>Obviously no problem</content>
</root-tag>

这是我的 Ruby 脚本(提炼成一个最小的例子):

require 'rexml/document'
require 'base64'
include REXML

module RexmlSpike
  file = File.new("ex.xml")
  doc = Document.new file
  doc.elements.each("root-tag/content") do |contentElement|
    if contentElement.attributes["type"] == "base64"
      puts "decoded: " << Base64.decode64(contentElement.text)
    else
      puts "raw: " << contentElement.text
    end
  end
  puts "Finished."
end

我得到的输出是:

>> ruby spike.rb
  decoded: Well done! It works :)
  decoded:
  raw: This will work
  raw:

  raw:
          Seems happy
  raw: Obviously no problem
  Finished.

我在 OSX Lion 上使用 Ruby 1.9.3p392。练习的目的最终是将某些 BlogML 中的评论解析为 Disqus 使用的自定义导入 XML。

Answer 1

为什么

在 <![CDATA[]]> 之前有任何覆盖 <![CDATA[]]> 中的任何内容.从字母到换行符(如您所见)或单个空格的任何内容。这是有道理的，因为您的示例正在获取 text元素，空格算作文本。在您能够访问的示例中 <![CDATA[]]> , 这是因为文本为零。

---

解决方案

如果您查看 documentation for Element ，您会看到它有一个名为 cdatas() 的函数那:

Get an array of all CData children. IMMUTABLE.

因此，在您的示例中，如果您对 contentElement.cdatas() 执行内部循环您会看到所有丢失的标签的内容。