XML::简单忽略 emdash 标签？

Question

我正在使用 XML Simple 来解析 XML 文件，有问题的部分如下所示:

    <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

出于某种原因，XML::Simple 完全忽略了 <text>SECTION A <emdash/> HUMAN NECESSITIES</text>我猜是因为 emdash 标签，因为 <text>AGRICULTURE</text>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';

还是不行。有什么想法吗？

Answer 1

拥有一个标签，其值包括文本和其他标签被称为“混合内容”。 XML::Simple不处理混合内容(无论如何没有用)。在 XML::Simple 的世界观中，标签可以包含文本或其他标签，但不能同时包含两者。这就是为什么它被称为“简单”的原因。引用its docs :

Mixed content (elements which contain both text content and nested elements) will be not be represented in a useful way - element order and significant whitespace will be lost. If you need to work with mixed content, then XML::Simple is not the right tool for your job

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破折号等字符。例如，XML::Simple 可以处理:

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

就好了。 (— 是长破折号。)