clojure.xml/parse：混合内容中忽略的纯空格文本节点

Question

我是 clojure.xml 和一般 Java XML 库的新手。

我对 clojure.xml/parse 的输出感到惊讶。仅由空格组成的文本节点将被忽略。如果有一个 DOCTYPE 声明说该元素不能有 PCDATA，这在仅元素节点中可能是正确的，但是没有 DOCTYPES 和 即使在混合内容节点中，空白也会被丢弃，忽略了空格。

test.clj：

(require '[clojure.xml :as x])

(prn (x/parse "test.xml"))

test.xml：

<?xml version="1.0"?>
<x>

<y><z>AAA</z> BBB <z>AAA</z> <z>AAA</z></y>

</x>

输出（<z>AAA</z> 和 <z>AAA</z> 之间缺少文本节点）：

{:tag :x, :attrs {:xml:space "preserve"}, :content
  [{:tag :y, :attrs nil, :content
    [{:tag :z, :attrs nil, :content ["AAA"]}
     " BBB "
     {:tag :z, :attrs nil, :content ["AAA"]}
     {:tag :z, :attrs nil, :content ["AAA"]}]}]}

我正在使用 Clojure 1.2.0。这是一个错误，还是它应该如何表现？ （即使添加 xml:space="preserve" 属性也不起作用。）

感谢您的帮助！

Answer 1

这不是错误。我将重新排列 test.xml 文件，使其看起来像 test.clj 的输出：

<?xml version="1.0"?>
<x>

  <y>
    <z>AAA</z>
    BBB
    <z>AAA</z>
    <z>AAA</z>
  </y>

</x>

在这个文件中，“x”是一个根元素，它包含“y”元素，“y”元素包含“z”元素和“BBB”作为字符串。 xml文件的逻辑结构可以看xml specification。

回到 Clojure，Clojure uses SAX parser 是基于事件驱动的系统。如果您熟悉 java（如果您不熟悉 java，则应该）尝试使用 "Sample SAX2 application"。

这是“示例 SAX2 应用程序”的输出，其中 test.xml 作为参数：

Start document
Start element: x
Characters:    "\n\n"
Start element: y
Start element: z
Characters:    "AAA"
End element: z
Characters:    " BBB "
Start element: z
Characters:    "AAA"
End element: z
Characters:    " "
Start element: z
Characters:    "AAA"
End element: z
End element: y
Characters:    "\n\n"
End element: x
End document

以及您的 test.clj 输出的副本：

{:tag :x, :attrs {:xml:space "preserve"}, :content
  [{:tag :y, :attrs nil, :content
    [{:tag :z, :attrs nil, :content ["AAA"]}
     " BBB "
     {:tag :z, :attrs nil, :content ["AAA"]}
     {:tag :z, :attrs nil, :content ["AAA"]}]}]}

可以看出clojure.xml/parse（来自 test.clj 输出）只是从 xml 文档中删除了 '\n' (\newline) 和 ' ' (\space) elements，但其他元素是相同的。如果您对删除元素的原因感兴趣，可以查看 clojure.xml/content-handler 源代码并查看 push-chars 函数：

push-chars (fn []
             (when (and (= *state* :chars)
                        (some (complement #(Character/isWhitespace (char %))) (str *sb*)))
               (set! *current* (push-content *current* (str *sb*)))))

还有：

user> (map (complement #(Character/isWhitespace (char %))) [\newline \space \a])
(false false true)

更新：如果您想保留空格，请尝试像这样安排一个 xml 文件。 （对我来说它有效）：

<?xml version="1.0" ?>
<x>

<y xml:space="preserve"><z>AAA</z> BBB <z>AAA</z> <z>AAA</z></y>

</x>