如何从 XML 字符串中删除 XML 意图。？

Question

我有一个 XML 字符串。我无法从 XML 字符串中删除缩进 space。我替换了换行符。

  <person id="13">
      <name>
          <first>John</first>
          <last>Doe</last>
      </name>
      <age>42</age>
      <Married>false</Married>
      <City>Hanga Roa</City>
      <State>Easter Island</State>
      <!-- Need more details. -->
  </person>

如何从 GOLANG 中的字符串中删除 XML 缩进 spaces？

我想要这个 XML 像这样的字符串，

<person id="13"><name><first>John</first><last>Doe</last></name><age>42</age><Married>false</Married><City>Hanga Roa</City><State>Easter Island</State><!-- Need more details. --></person>

如何在 GOLANG 中执行此操作？

Answer 1

尤里卡，

首先需要从 XML 中删除缩进，然后需要删除换行符。

// Regex to remove indentation
m1 := regexp.MustCompile(`( *)<`)
newstr := m1.ReplaceAllString(xmlString, "<")

// Replace newline
newLineReplacer := strings.NewReplacer("\n", "", "\r\n", "")
xmlString = newLineReplacer.Replace(newstr)

在这里找到这个，https://play.golang.org/p/Orp2RyPbGP2

Answer 2

一些背景

不幸的是，XML 不是 regular language，因此您根本无法使用正则表达式可靠地处理它——无论您能够想出多么复杂的正则表达式。

我会从 this brilliant humorous take on ths issue and then read, say, this 开始。

为了演示，对您的示例进行的简单更改可能会破坏您的处理，例如：

  <person id="13">
      <name>
          <first>John</first>
          <last>Doe</last>
      </name>
      <age>42</age>
      <Married>false</Married>
      <City><![CDATA[Hanga <<Roa>>]]></City>
      <State>Easter Island</State>
      <!-- Need more details. -->
  </person>

其实，考虑一下这个

<last>Von
Neumann</last>

为什么您认为您可以从该元素的内容中删除换行符？

当然，你会说一个人的姓氏中不能明智地换行。
好的，但是这个呢？

<poem author="Chauser">
  <strophe number="1">  The lyf so short,
  the craft so long to lerne.</strophe>
</poem>

你不能明智地删除该句子的两个部分之间的白色space——因为拥有它是作者的意图。

好吧，完整的故事定义在the section called "White Space Handling" of the XML spec。
XML中whitespace处理的外行尝试描述如下：

XML规范本身并没有赋予白色任何特殊含义space：决定白色space 的含义[= XML 文档的 特定位置 中的 120=] 由该文档的处理者决定。

推而广之，规范不强制要求任何“标签”（那些 <foo> 和 </bar> 和 <quux/> 之间的白色 space 是否出现在XML 标记是允许的）是否重要：只有你自己决定。
为了更好地理解其原因，请考虑以下文档：

␣Some text which contains an␣emphasized block which is followed by a linebreak and more text.

这是完全有效的 XML，我已经替换了 space 个字符在  标签之后和  标签之前，带有用于显示目的的 Unicode“打开框”字符。

请注意，整个文本 ␣Some text which contains an␣ 出现在两个标签之间，并且包含前导和尾随的白色 space，这显然重要 — 如果不是，强调的文本（标有 … 的文本将与前面的文本粘在一起）。

相同的逻辑适用于  标记后的换行符和更多文本。

XML规范提示将“无足轻重的”白色space定义为任何白色space 在一对相邻的标签之间 没有定义单个元素。

XML 还有两个使处理进一步复杂化的特征：

字符实体（那些 & 和 < 东西）允许直接插入任何 Unicode 代码点：例如， 会插入一个换行符。

XML 支持特殊的 "CDATA sections"，您的解析器表面上对此一无所知。

一种解决方法

在我们尝试提出解决方案之前，我们将定义我们打算视为无关紧要的白色space，然后丢弃。

看起来像你的那种文档，定义应该是：任何两个标签之间的任何字符数据都应该被删除，除非：

它至少包含一个 non-whitespace 字符，或者

它完全定义了单个 XML 元素的内容。

考虑到这些因素，我们可以编写代码将输入 XML 流解析为令牌并将它们写入输出 XML 流，同时应用以下逻辑来处理令牌：

如果它发现除字符数据之外的任何 XML 元素，它会将它们编码到输出流中。

此外，如果该元素是开始标记，它会通过设置一些标志来记住这一事实；否则标志被清除。

如果它看到任何字符数据，它会检查此字符数据是否紧跟在起始元素（开始标记）之后，如果是，则此字符数据块被保存。

当已经存在这样的保存块时，字符数据块也会被保存——这是必需的，因为在 XML 中，文档中可能有几个相邻但仍然不同的字符数据块。

如果它看到任何 XML 元素，并检测到它有一个或多个保存的字符块，那么它首先决定是否将它们放入输出流：

如果元素是结束元素（结束标签），所有字符数据块必须“按原样”放入输出流——因为它们完全定义了单个元素的内容.

否则，如果至少一个保存的字符数据块包含至少一个 non-whitespace 字符，则所有块都按原样写入输出流。

否则跳过所有块。

这是实现所描述方法的工作代码：

package main import ( "encoding/xml" "errors" "fmt" "io" "os" "strings" ) const xmlData = `<?xml version="1.0" encoding="utf-8"?> <person id="13"> weird text <name> <first>John</first> <last><![CDATA[Johnson & ]]><![CDATA[ <<Johnson>> ]]><![CDATA[ & Doe ]]></last> </name> 
	<age> 42 </age> <Married>false</Married> <City><![CDATA[Hanga <Roa>]]></City> <State>Easter Island</State>  what? <foo> more <bar/> text </foo> </person> ` func main() { stripped, err := removeWS(xmlData) if err != nil { fmt.Fprintln(os.Stderr, err) os.Exit(1) } fmt.Print(stripped) } func removeWS(s string) (string, error) { dec := xml.NewDecoder(strings.NewReader(s)) var sb strings.Builder enc := NewSkipWSEncoder(&sb) for { tok, err := dec.Token() if err != nil { if err == io.EOF { break } return "", fmt.Errorf("failed to decode token: %w", err) } err = enc.EncodeToken(tok) if err != nil { return "", fmt.Errorf("failed to encode token: %w", err) } } err := enc.Flush() if err != nil { return "", fmt.Errorf("failed to flush encoder: %w", err) } return sb.String(), nil } type SkipWSEncoder struct { *xml.Encoder sawStartElement bool charData []xml.CharData } func NewSkipWSEncoder(w io.Writer) *SkipWSEncoder { return &SkipWSEncoder{ Encoder: xml.NewEncoder(w), } } func (swe *SkipWSEncoder) EncodeToken(tok xml.Token) error { if cd, isCData := tok.(xml.CharData); isCData { if len(swe.charData) > 0 || swe.sawStartElement { swe.charData = append(swe.charData, cd.Copy()) return nil } if isWS(cd) { return nil } return swe.Encoder.EncodeToken(tok) } if len(swe.charData) > 0 { _, isEndElement := tok.(xml.EndElement) err := swe.flushSavedCharData(isEndElement) if err != nil { return err } } _, swe.sawStartElement = tok.(xml.StartElement) return swe.Encoder.EncodeToken(tok) } func (swe *SkipWSEncoder) Flush() error { if len(swe.charData) > 0 { return errors.New("attempt to flush encoder while having pending cdata") } return swe.Encoder.Flush() } func (swe *SkipWSEncoder) flushSavedCharData(mustKeep bool) error { if mustKeep || !allIsWS(swe.charData) { err := encodeCDataList(swe.Encoder, swe.charData) if err != nil { return err } } swe.charData = swe.charData[:0] return nil } func encodeCDataList(enc *xml.Encoder, cdataList []xml.CharData) error { for _, cd := range cdataList { err := enc.EncodeToken(cd) if err != nil { return err } } return nil } func isWS(b []byte) bool { for _, c := range b { switch c { case 0x20, 0x09, 0x0d, 0x0a: continue } return false } return true } func allIsWS(cdataList []xml.CharData) bool { for _, cd := range cdataList { if !isWS(cd) { return false } } return true }

Playground.

我不确定完全涵盖所有可能的奇怪情况，但这应该是一个好的开始。

Answer 3

您可以简单地删除 new line 和 tab 字符，如下所示：

package main

import (
    "fmt"
    "strings"
)

func main() {
    var s = `<person id="13">
    <name>
        <first>John</first>
        <last>Doe</last>
    </name>
    <age>42</age>
    <Married>false</Married>
    <City>Hanga Roa</City>
    <State>Easter Island</State>
    <!-- Need more details. -->
</person>`
    for {
        if strings.Contains(s, "\n") {
            s = strings.ReplaceAll(s, "\n", "")
        }
        if strings.Contains(s, "\t") {
            s = strings.ReplaceAll(s, "\t", "")
        }
        if !strings.Contains(s, "\n") && !strings.Contains(s, "\t") {
            break
        }
    }
    fmt.Println(s)
}

结果：

<person id="13"><name><first>John</first><last>Doe</last></name><age>42</age><Married>false</Married><City>Hanga Roa</City><State>Easter Island</State><!-- Need more details. --></person>

Answer 4

删除白色space-仅 XML 标签之间的序列

func unformatXML(xmlString string) string {
    var unformatXMLRegEx = regexp.MustCompile(`>\s+<`)
    unformatBetweenTags := unformatXMLRegEx.ReplaceAllString(xmlString, "><") // remove whitespace between XML tags
    return strings.TrimSpace(unformatBetweenTags) // remove whitespace before and after XML
}

正则表达式解释

\s - 匹配任何白色space，包括制表符、换行符、换页符、回车return 和space

+ - 匹配一个或多个白色space字符

RegEx 语法参考：https://golang.org/pkg/regexp/syntax/

例子

package main

import (
    "fmt"
    "regexp"
    "strings"
)

func main() {
    var s = `    
<person id="13">
    <name>
        <first>John</first>
        <last>Doe</last>
    </name>
    <age>42</age>
    <Married>false</Married>
    <City>Hanga Roa</City>
    <State>Easter Island</State>
    <!-- Need more details. -->
</person>   `

    s = unformatXML(s)
    fmt.Println(fmt.Sprintf("'%s'", s)) // single quotes used to confirm no leading or trailing whitespace
}

func unformatXML(xmlString string) string {
    var unformatXMLRegEx = regexp.MustCompile(`>\s+<`)
    unformatBetweenTags := unformatXMLRegEx.ReplaceAllString(xmlString, "><") // remove whitespace between XML tags
    return strings.TrimSpace(unformatBetweenTags) // remove whitespace before and after XML
}

Go Playground 中的可运行示例

https://play.golang.org/p/VS1LRNevicz

如何从 XML 字符串中删除 XML 意图。？

How to remove XML intendations from XML string.?

xml

whitespace

go

removing-whitespace

一些背景

一种解决方法

删除白色space-仅 XML 标签之间的序列

正则表达式解释

例子

Go Playground 中的可运行示例