問題タブ [sgml]

SGML DTDから情報（要素、属性など）を取得したいモジュール使用SGML :: DTDの助けを借りて要素を取得しようとしましたが、これは機能していません。DTDに異なる属性を持つ重複要素が含まれている場合、要素を1回だけ取得するとします。

私はこれを試しました：@allelements=$dtd->get_elements(0);

SGML DTDおよびSGMLパーサーから値を取得するために使用できる他のモジュールはありますか？

検証する必要がある SGML DTD (および関連する XML パケット) があります。

OS Xでこれを行うにはどうすればよいですか? ほとんどの XML ツールは SGML を「取得」していないようです。

別の構文に変換する必要がある非常に長い SGML ファイルがありますが、何らかの理由でコードが機能しません。出力を取得すると、まったく同じドキュメントになります。コードは次のとおりです。

私が知る限り、replaceString メソッドを呼び出すことはできますが、何かが足りないのでしょうか、何か間違ったことをしているでしょうか?

注: 私は Ruby の初心者です。

私は、古い宗教書のシンプルだが大規模なデータベースを構築することを計画しています。そのようなドキュメントを格納するための既存の XML 準拠のフォーマットを誰かが提案できるかどうか疑問に思っていました。できれば単純なもので、xhtml に簡単に変換できます。TEI のことは聞いたことがありますが、確かに、TEI は SGML に基づいており、XML に準拠していません。事前に感謝します。入力は大歓迎です。

SGML を使用して構造化された文書がいくつかあり、この構造を記述した DTD ファイルがあります。

このデータを解析するために、誰かが Python-3 互換のライブラリまたはモジュールを推奨してくれませんか? Python 2.x の場合、私の Google-fu はSGMLParserを有効にしているようですが、もちろんそれは非推奨になりました (そして Py3k から完全に削除されました)。

多くの人が を示唆しているようですlxmlが、依存関係の問題のため、それは私にとって選択肢ではありません。

乱雑なマークアップに最適であることはわかってBeautifulSoupいますが、A) py3k と互換性がないと最後に聞いたのですが、B) このコンテンツは適切に構造化されています。

私はよく形成されたHTMLファイルを持っています。それらをSGMLに変換するには、拡張機能を切り替えるだけですか、それとも他にやるべきことがありますか？

次のようなファイルを解析しようとしています： http ：//www.sec.gov/Archives/edgar/data/1409896/000118143112051484/0001181431-12-051484.hdr.sgml

Python 3を使用していますが、オープンタグを使用してSGMLファイルを解析するための既存のライブラリを使用したソリューションを見つけることができませんでした。SGMLは、暗黙的に閉じられたタグを許可します。LXML、XML、または美しいスープを使用してサンプルファイルを解析しようとすると、行末ではなくファイルの末尾で暗黙的に閉じられたタグが閉じられてしまいます。

例えば：

これは最終的に次のように解釈されます。

ただし、次のように解釈する必要があります。

これを処理できるLXML/BS4に渡すデフォルト以外のパーサーがある場合、私はそれを見逃しています。

（html、sgml、xml、txt）などの入力を受け入れるプロジェクトがあります。

XML ファイルと txt ファイルの解析に問題はありません。html または sgml ファイルの解析に使用できるツールをいくつか提案してください。

作業中のサイトで次の検証エラーが発生します

また、FireFox ソース ビューアーでは、次の行のテキストが赤くなっています。

Web 開発者の FireFox アドオンを使用し、[HTML の編集] オプションを選択すると、赤い点が表示され、それまでのすべてのタグが<title>消えます。body タグもありません。また、FireFox ソース ビューアーで赤く表示される同じ 2 つの段落タグもなくなりました。言い換えれば、赤は何らかのエラーを意味しますが、ソースにはまったくエラーは見られません。

ここに、エラーとして示される部分を示します。

HTML にエラーが表示されません。通常のエディター (Notepad++、UltraEdit、Notepad、Wordpad) では隠しコントロール文字は表示されませんが、Web 開発者ツールバーの [HTML の編集] 画面には表示されます。

これを解決するために私が行ったことは次のとおりです。

1. ファイルを再作成し、影響を受けると思われる行を再入力します。
2. さまざまなテキスト エディターを使用して、間違ったファイルを表示しようとしました。
3. ファイルに最近追加されたすべてのコンテンツとコードを削除して、これがいずれかの時点で停止するかどうかを確認しました (運が悪かった...)
4. こことGoogleで見つけることができる「SGML以外の文字」について見つけることができるすべての投稿を読んでください。私の質問に答えるものは何もないようです。
5. データベースの投稿を削除し、それを再作成しました（これがデータベースのコンテンツに問題がある場合に備えて）。未解決。
6. すべてのテーブルを MyISAM に変換しました (コンテンツ テーブルを含む一部は InnoDB でした)
7. データベースからコンテンツを取得しない他のページに同じ問題 (お問い合わせフォームなど) があるかどうかを確認し、同じことを行います。
8. データベースと HTML ソース、および PHP ini ファイルで、さまざまな文字セットとエンコーディングをいじってみました。結果に影響を与えるものはありません。
9. すべてのテキスト エディタのコード ページをさまざまなタイプに変更して、この隠された非 SGML 文字を確認してみました。
10. 正常に動作する同じバージョンの CodeIgniter に基づいて、すべてのシステム ファイルとアプリケーション ファイル (CSS やテンプレート、変更されたモジュールなどの明らかな変更を除く) を別のサイトからコピーしました。

他に私にできることはありますか？

上記から、カスタム モジュール (可能性は低い)、CSS スタイルシート、サイト間で異なる追加の jQuery ライブラリ (uniform.js、buttons.js)、または使用されているテンプレートとビューのいずれかが、ある種のプケフェストを持っていると結論付けます。私の幸せについて。

私が見逃した他の何かを考えることができるかどうかアドバイスしてください...

ありがとう！

コブス

編集:画像を追加できるようになったので、問題をよりよく説明するためにいくつかのスクリーンショットを作成することにしました。たぶんそれが役立つ...最初はタイトルタグの空白かもしれないと思ったが、そうではなかった...