XML 模式验证文字与扩展新行？

Question

我有一个有效的 xsd 拒绝验证包含无效空格的 XML 实例（有关详细信息，请参见下文，但包括回车符 (#xD)、换行符 (#xA) 或制表符 (#x9) 字符，否开始或结束空格 (#x20) 字符，或两个或多个相邻空格字符的序列）。

XSD 示例：

<?xml version="1.0" encoding="UTF-8"?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" 
elementFormDefault="qualified" 
targetNamespace="http://www.example.com"
xmlns:test="http://www.example.com">

<xs:import namespace="http://www.w3.org/XML/1998/namespace" schemaLocation="http://www.w3.org/2001/xml.xsd"/>

<xs:element name="test-token" type="test:Tokenized500Type"></xs:element>

<xs:simpleType name="Tokenized500Type">
    <xs:annotation>
        <xs:documentation>An element of this type has minimum length of one character, a max of 500, and may not
            contain any of: the carriage return (#xD), line feed (#xA) nor tab (#x9) characters, shall
            not begin or end with a space (#x20) character, or a sequence of two or more adjacent space
            characters.</xs:documentation>
    </xs:annotation>
    <xs:restriction base="xs:string">
        <xs:maxLength value="500"/>
        <xs:minLength value="1"/>
        <xs:pattern value="\S+( \S+)*"/>

    </xs:restriction>
</xs:simpleType>

我用上面的文字空白字符对此进行了测试。

如果 XML 实例在相关元素内容中包含转义空格怎么办？这会导致验证错误吗？

这是一个带有转义版本的示例：

<?xml version="1.0" encoding="UTF-8"?>
<test-token xmlns="http://www.example.com" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.example.com">&#13;</test-token>

另见：

• xs:token 对于 XSD 处理器的含义： Will an instance with a xsd:token-type element containing whitespace pass validation?

• XSD 限制只允许 xs:token 空格： What is the regular expression for the set of strings that validate exactly the same for xsd:token and xsd:string?

Answer 1

正则表达式应该对扩展（非转义）字符串进行操作，因此新行文字和 之间应该没有区别

\S matches anything but a whitespace (short for [^\f\n\r\t\v\u00A0\u2028\u2029]).

还要注意，XSD 中使用的正则表达式是 Unicode 正则表达式（这与更标准的 posix 正则表达式不同，更糟糕的是，一些解析器使用任何正则表达式解析器通过敲击发生（xsd 验证在 .net 中使用它的内部正则表达式解析器 - 这不是“Unicode 正则表达式”）。

注意：这里定义的·正则表达式·语言不会尝试 为 UCS 上的“正则表达式”提供通用解决方案 字符序列。特别是，它不容易提供 匹配基本字符序列和组合标记。这 语言的目标是支持“1 级”功能，如 [Unicode 正则表达式指南]。希望未来 本规范的版本将提供对“2 级”的支持 功能。