为什么 REXML 无法解析换行符前面的 CDATA？

Question

我对 Ruby 很陌生，并且尝试使用 REXML 解析 XML 文档，该文档之前已（通过 REXML）进行了漂亮的打印，但结果有点不稳定。

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

• 知道我是否可以让 REXML 来读取这些行吗？
• 如果没有，我可以用正则表达式或其他东西预先重写它们吗？
• 这还是有效的 XML 吗？

下面是一个 XML 文档示例（经过大量删节）：

<?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（精简为一个最小的示例）：

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。本练习的目标最终是将一些 BlogML 中的评论解析为 Disqus 使用的自定义导入 XML。

Answer 1

为什么

在覆盖之前的任何内容都会覆盖. 从字母到换行符（就像您发现的那样）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元素的 ，并且空格算作文本。在您能够访问的示例中，这是因为文本为零。<![CDATA[]]><![CDATA[]]>text<![CDATA[]]>

解决方案

如果您查看Element 的文档，您会发现它有一个名为的函数cdatas()：

获取所有 CData 子项的数组。不可变的。

因此，在您的示例中，如果您执行内部循环，contentElement.cdatas()您将看到所有丢失标签的内容。