如何从XML字符串中删除XML意向？一些背景解决方案的方法

问题描述

我有一个XML字符串。我无法从XML字符串中删除缩进空间。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缩进空间？

我希望这个XML像字符串一样，

<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中做到这一点？

解决方法

一些背景

不幸的是，XML不是regular language，因此，您将无法使用正则表达式可靠地对其进行处理-无论您将要使用的正则表达式多么复杂。

我将从this幽默幽默的话题开始，然后读this。

例如，对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>

实际上，考虑一下

<last>Von
Neumann</last>

您为什么认为可以自由地从该元素的内容中删除换行符？

您肯定会说，他们的姓氏中没有明显的换行符。
好吧，那呢？

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

您不能明智地将句子的两部分之间的空格删除-因为它是作者的意图。

好吧，完整的故事在the section called "White Space Handling" of the XML spec中定义。
外行尝试用XML描述空格处理的尝试如下：

XML规范本身没有为空格赋予任何特殊含义：决定XML文档的特定位置中的空白是什么该文档的处理者。

通过扩展，该规范没有规定任何“标签”（<foo>和</bar>和<quux/>事物之间的空白）是否出现在是否重要：只有您来决定。
为了更好地了解其原因，请考虑以下文档：
```
␣Some text which contains an␣emphasized block
which is followed by a linebreak and more text.
```
这是一个非常有效的XML，我已经替换了空格字符在标记之后和标记之前，以及带有Unicode“打开框”字符的第二个字符。

请注意，整个文本␣Some text which contains an␣出现在两个标签之间，并且包含前导空格和尾随空格，显然是重要；如果不是，则强调文本（标有{ {1}}将与前面的文本粘合在一起。

相同的逻辑适用于换行符和…标记之后的更多文本。
XML规范提示，定义“无关紧要”的空白可能很方便，以表示一对未定义单个元素的相邻标记之间的任何空白。

XML还有两个特征，这些特征使处理进一步复杂化：

字符实体（那些和&东西）允许直接插入任何Unicode代码点：例如，<将插入换行符。
XML支持特殊的"CDATA sections"，您的解析器表面上对此一无所知。

解决方案的方法

在尝试提出解决方案之前，我们先定义要忽略的空白，然后丢弃。

类似于您的文档，其定义应为：除非两个条件，否则删除任何两个标签之间的任何字符数据：

它至少包含一个单一的非空白字符，或者
它完全定义了单个XML元素的内容。

考虑到这些注意事项，我们可以编写将输入XML流解析为 tokens 并将其写入输出XML流中的代码，同时将以下逻辑应用于处理令牌：

如果看到除字符数据之外的任何XML元素，则将它们编码为输出流。

此外，如果该元素是开始标签，它会通过设置一些标志来记住这一事实；否则将清除该标志。
如果看到任何字符数据，它将检查该字符数据是否紧跟在起始元素（开始标记）之后，如果是，则将该字符数据块保存起来。

当已经存在已保存的字符数据块时，也将保存字符数据块，这是必需的，因为在XML中，文档中可能有多个相邻但仍然不同的字符数据块。
如果看到任何XML元素，并且检测到它具有一个或多个保存的字符块，则它首先决定是否将其放入输出流：
- 如果元素是结束元素（结束标记），则所有字符数据块都必须“按原样”放入输出流中，因为它们完全定义了单个元素的内容。
- 否则，如果至少一个已保存的字符数据块包含至少一个非空白字符，则所有块均按原样写入输出流。
- 否则将跳过所有块。

以下是实现上述方法的工作代码：

&#x000d;

Playground。

我不确定它能否完全涵盖所有可能的怪异案例，但这应该是一个好的开始。

尤里卡

首先需要从XML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https://play.golang.org/p/Orp2RyPbGP2

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>

删除XML标签之间的仅空白序列

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
}

RegEx说明

\ s -匹配任何空格，包括制表符，换行符，换页符，回车符和空格

+ -匹配一个或多个空格字符

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

示例

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

go removing-whitespace whitespace xml xml xml xml xml xml xml

如何从XML字符串中删除XML意向？ 一些背景解决方案的方法