c++ - 解析 XML 样式表处理指令

Question

如何正确解析 XML 样式表处理指令？据我了解，XML 处理指令的值例如:

<?xml-stylesheet type="application/xsl" src="style.xsl" version="1.0"?>

是:

type="application/xsl" src="style.xsl" version="1.0"

如何将其解析为键值对列表？我四处搜索了一些如何执行此操作的示例，但一直未能找到任何示例。

这里的关键词是正确地...我不想只写一个在某些情况下可能会失败的简单正则表达式，我想确保我完全按照你的方式解析它已正确解析 XML 样式表指令。

Answer 1

XML 样式表 PI 的语法在 the spec 中给出。 ，所以如果你想做对，只需为该语法编写一个解析器即可。由于该语言实际上是正则的，因此可以使用正则表达式对其进行正确解析。最大的复杂性可能是，由于 XML 规范不要求在处理指令中识别字符引用或预定义实体引用，因此您可能需要自己处理这些内容。

至于具体应该如何做，这取决于您在什么环境中工作。例如，这里有一个 XQuery 函数，它完成这项工作并返回一个从伪属性创建的元素列表处理指令；如果 PI 与规范中给出的语法不匹配，它会返回一个名为 error 的元素。

declare function bmt:parse-sspi($s as xs:string) 
  as element()* {

  if (bmt:check-sspi($s)) then
     let $s1 := substring-after($s,"<?xml-stylesheet"),
         $s2 := substring-before($s1,"?>")
     return bmt:parse-pseudoatts($s2) 
  else <error/>
};

此函数将解析伪属性的实际工作交给一个单独的递归函数，该函数在每次调用时解析一个属性值对:

declare function bmt:parse-pseudoatts($s as xs:string) 
  as element()* {

  (: We know that $s is a syntactically legal sequence
     of pseudo-attribute value specifications. So we
     can get by with simpler patterns than we would
     otherwise need.
     :)

  let $s1 := replace($s,"^\s+","")
  return if ($s1 = "") then () else
         let $s2 := substring-before($s, '='),
             $Name := normalize-space($s2),
             $s3 := substring-after($s, '='),
             $s4 := replace($s3,"^\s+",""),
             $Val := if (starts-with($s4,'"')) then
                        substring-before(
                          substring($s4,2),
                          '"')
                     else if (starts-with($s4,"'")) then
                        substring-before(
                          substring($s4,2),
                          "'")
                     else <ERROR/>,
             $sRest := if (starts-with($s4,'"')) then
                        substring-after(
                          substring($s4,2),
                          '"')
                     else if (starts-with($s4,"'")) then
                        substring-after(
                          substring($s4,2),
                          "'")
                     else ""

  return (element {$Name} { $Val }, 
          bmt:parse-pseudoatts($sRest))
};

如评论所示(如您所见)，这两者都受益于事先知道 PI 实际上是合法的。因此，我们可以通过从字符串中第一个“=”之前的任何内容中去除空格来解析伪属性名称，依此类推。

正确性的保证由一个单独的check-sspi 函数提供，它系统地构造一个正则表达式，以便于将函数与规范中的语法进行比较，以检查该功能是正确的。

declare function bmt:check-sspi($s as xs:string) 
  as xs:boolean {

  let $pio := "<\?",
      $kw := "xml-stylesheet",
      $pic := "\?>",
      $S := "\s+",
      $optS := "\s*",
      $Name := "\i\c*",
      $CharRef := "&amp;#[0-9]+;|&amp;#x[0-9a-fA-F]+;",
      $PredefinedEntityRef := concat("&amp;amp;",
                                     "|&amp;lt;",
                                     "|&amp;gt;",
                                     "|&amp;quot;",
                                     "|&amp;apos;"),
      $dq := '"',
      $sq := "'",
      $dqstring := concat($dq,
                          "(",
                          "[^", $dq, "&lt;&amp;]",
                          "|",
                          "$CharRef",
                          "|",
                          "$PredefinedEntityRef",
                          ")*",
                          $dq),
      $sqstring := concat($sq,
                          "(",
                          "[^",$sq,"&lt;&amp;]",
                          "|",
                          "$CharRef",
                          "|",
                          "$PredefinedEntityRef",
                          ")*",
                          $sq),
      $psAttVal := concat("(",$dqstring,"|",$sqstring,")"),
      $pseudoAtt := concat("(", 
                           $Name, 
                           $optS, "=", $optS, 
                           $psAttVal,
                           ")"),
      $sspi := concat($pio,
                      $kw,
                      "(", $S, $pseudoAtt, ")*",
                      $optS,
                      $pic),
      $sspi2 := concat("^", $sspi, "$")
      return if (matches($s,$sspi2)) then true() else false()
};

对于测试字符串

<?xml-stylesheet  foo="bar"
      href="http://www.w3.org/2008/09/xsd.xsl"
      type='text/xsl'
?>

顶级parse-sspi函数返回

<foo>bar</foo>
<href>http://www.w3.org/2008/09/xsd.xsl</href>
<type>text/xsl</type>

如果我们只使用单个 Perl 风格的正则表达式进行解析，这些函数可能会更紧凑一些。有些人可能会发现这种紧凑的形式更自然、更容易理解，有些人会更喜欢像这里给出的那样不那么简洁的表述。