SAX Parsing - 回显不带关闭标记的 HTML 元素答案

【问题标题】：SAX Parsing - echoing an HTML element that doesn't take a close tagSAX Parsing - 回显不带关闭标记的 HTML 元素
【发布时间】：2011-09-06 13:25:22
【问题描述】：

使用 perl 的 XML::SAX 模块我正在解析 (x)html 模板，结果只是将大量输入回显到输出。我有一个 SAX 事件处理程序，它扩展了 XML::SAX::Base 并实现了常用方法 - start_element、end_element 等等。

现在我的问题涉及不带结束标记的元素 - 例如<img />、<link /> 和 <input />。解析器将为这些标签调用start_element($element_name, %attribute_hash) 和end_element，但是我怎么知道元素是自包含的？

换句话说，我想写出<img src="blah" />，而不是<img ...></img> 我认为是无效的。

没有维护这些元素的列表，我该怎么办？在 SAX 中有没有办法直接回显一个元素，而不是从传递给事件处理程序的内容中重建它？

【问题讨论】：

<img></img> 不是无效的（尽管<img>...</img> 是无效的），它只是不兼容 HTML。
@Quentin，是的，我打错了图像示例，现在更正了。但是即使添加一个结束标签对于图像来说是可以的，我相信对于其他元素来说就不行了吗？
在 XML（以及 XHTML）中，<foo /> 和 <foo></foo> 的含义完全相同，因此两者都是有效的。导致问题的是HTML compatibility，您不应该期望通用 XML 工具能够处理它，您需要对兼容性规则进行特殊处理。

标签： html perl parsing language-agnostic sax

【解决方案1】：

首先，根据 Quentin 的评论，您正在使用 XML 解析器来处理 HTML。只要 HTML 相对干净，这并没有什么特别的问题。但是，如果您需要遵守 HTML（而不是 XHTML），那么 XML 解析器可能是错误的工具。

如果您想破解它，那么您可以这样做。实现一个characters() 回调，如果存在任何非空白字符，它将设置一个标志。 start_element() 回调将重置此标志。如果未设置标志，end_element() 回调将认为标签为空并相应地编写语法。

请注意，这也会捕获像<td></td> 这样的标签，将它们转换为<td />。

【讨论】：

是的好主意。没有关于折叠 td 的问题。然而，在某些情况下你不能崩溃——也许是
好的，我要做的是维护一个空 html 元素列表。我不会为这些人写一个关闭标签，但我会为其他所有东西写。所以什么都不会被折叠，但至少会是有效的 HTML 4.01，这实际上是我想要的，而不是有效的 xhtml。

【解决方案2】：

缺少维护这些元素的列表，我该怎么办？

Nothing :/ 通常 DTD 维护这个列表，所以你会在发出结束标记之前询问 dtd 对象......但是 XML::SAX 似乎不支持这样的事情，因为它不支持验证

另一个选项是保持状态，这样你就知道元素何时为空，并省略结束标记，但这也很糟糕 :) 就像维护你自己的列表一样

在 SAX 中有没有办法直接回显一个元素，而不是从传递给事件处理程序的内容中重构它？

不，SAX 没有指定这样的事情，请参阅Echoing an XML File with the SAX Parser 的规范/参考实现

另一方面，XML::Twig 确实提供了这一点，请参阅文档

pretty_print => 'indented',                # output will be nicely formatted
empty_tags   => 'html',                    # outputs <empty_tag />

你想使用 XML::Twig

【讨论】：

感谢您的建议。我去看看。