我想知道在Ruby中是否有类似于
is_xml?(string)
的函数,可以判断给定的字符串是否为XML格式。parse
使用一个简单的正则表达式测试来寻找<html>
,以确定要解析的数据是HTML还是XML:string =~ /^s*<[^Hh>]*html/ # Probably html
有类似的东西,查找XML声明可以作为一个起点:
string = '<?xml version="1.0"?><foo><bar></bar></foo>'
string.strip[/\A<\?xml/]
=> "<?xml"
如果返回值不是nil
,则该字符串包含XML声明。测试此项非常重要,因为空字符串会欺骗后续步骤。
Nokogiri::XML('').errors.empty?
=> true
Nokogiri还有一个errors
方法,该方法会在尝试解析格式错误的文档后返回一个错误数组。测试一下它的大小是否为零会有所帮助:
Nokogiri也有errors
方法,可以返回尝试解析格式不正确的文档后得到的错误数组。检查该数组的长度是否为0可以帮助解决问题:
Nokogiri::XML('<foo>').errors
=> [#<Nokogiri::XML::SyntaxError: Premature end of data in tag foo line 1>]
Nokogiri::XML('<foo>').errors.empty?
=> false
Nokogiri::XML(string).errors.empty?
=> true
如果文档在语法上有效,它将是真的。
[2] (pry) main: 0> doc = Nokogiri::XML('foo').errors
[
[0] #<Nokogiri::XML::SyntaxError: Start tag expected, '<' not found>
]
所以,你可以轻松地遍历文件并将它们分为XML和非XML两类:
require 'nokogiri'
[
'',
'foo',
'<xml></xml>'
].group_by{ |s| (s.strip > '') && Nokogiri::XML(s).errors.empty? }
=> {false=>["", "foo"], true=>["<xml></xml>"]}
将group_by
的结果赋值给一个变量,你会得到一个可以检查是否为非XML (false
)或XML (true
)的哈希表。
Ruby的String类或Active Support的String扩展中没有这样的功能,但是您可以使用Nokogiri来检测XML中的错误:
begin
bad_doc = Nokogiri::XML(badly_formed) { |config| config.strict }
rescue Nokogiri::XML::SyntaxError => e
puts "caught exception: #{e}"
end
Nokogiri::XML('') { |config| config.strict } => #<Nokogiri::XML::Document:0x3fc9ba1c9a1c name="document">
. 空字符串既不是 XML,也不是正确或不正确格式化的 XML。Nokogiri::XML('').errors
会更清晰地告诉你是否有错误。 - the Tin Manputs bad_doc.errors
- nurettin