7

is_xml?(string)指定された文字列が XML 形式であるかどうかを識別するような関数が Ruby にあるかどうか疑問に思っています。

4

2 に答える 2

20

Nokogiri'sでは、解析するデータが HTML か XML かを判断するparseために、次の単純な正規表現テストを使用しています。<html>

string =~ /^s*<[^Hh>]*html/ # Probably html

XML宣言を探すのと同様の何かが出発点になります。

string = '<?xml version="1.0"?><foo><bar></bar></foo>'
string.strip[/\A<\?xml/]
=> "<?xml"

それが文字列以外nilの何かを返す場合は、XML 宣言が含まれています。空の文字列は次のステップをだますので、これをテストすることが重要です。

Nokogiri::XML('').errors.empty?
=> true

Nokogiri にはerrorsメソッドもあり、不正な形式のドキュメントを解析しようとするとエラーの配列が返されます。任意のサイズをテストすると、次のことが役立ちます。

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

ドキュメントが構文的に有効な場合は true になります。

Nokogiri をテストして、通常の文字列と真の XML の違いがわかるかどうかを確認しました。

[2] (pry) main: 0> doc = Nokogiri::XML('foo').errors
[
    [0] #<Nokogiri::XML::SyntaxError: Start tag expected, '<' not found>
]

したがって、ファイルをループして、XML と非 XML に簡単に並べ替えることができます。

require 'nokogiri'

[
  '',
  'foo',
  '<xml></xml>'
].group_by{ |s| (s.strip > '') && Nokogiri::XML(s).errors.empty? }
=> {false=>["", "foo"], true=>["<xml></xml>"]}

の結果を変数に割り当てると、非 XML ( ) または XML ( )group_byをチェックできるハッシュが得られます。falsetrue

于 2012-12-27T09:53:17.550 に答える
1

Ruby の String クラスや Active Support の String 拡張機能にはそのような関数はありませんが、Nokogiri を使用して XML のエラーを検出できます。

begin
  bad_doc = Nokogiri::XML(badly_formed) { |config| config.strict }
rescue Nokogiri::XML::SyntaxError => e
  puts "caught exception: #{e}"
end
于 2012-12-27T09:11:46.593 に答える