XML::简单地忽略emdash标签？

Question

我正在使用 XML Simple 来解析 XML 文件，有问题的部分如下所示：

    <textBody>
        <title>
            <titlePart>
                <text>SECTION A <emdash/> HUMAN NECESSITIES</text>
            </titlePart>
        </title>
    </textBody>
    <ipcEntry kind="t" symbol="A01" ipcLevel="C" entryType="K" lang="EN">
        <textBody>
            <title>
                <titlePart>
                    <text>AGRICULTURE</text>
                </titlePart>
            </title>
        </textBody>
    </ipcEntry

由于某种原因 XML::Simple 完全忽略了 SECTION A >人类必需品 我猜是因为 emdash 标签，因为 AGRICULTURE 解析得很好。 我还尝试通过以下方式设置解析器：

$XML::Simple::PREFERRED_PARSER = 'XML::Parser';

仍然不行。 有什么想法吗？

Answer 1

具有值同时包含文本和其他标签的标签称为“混合内容”。 XML::Simple 不处理混合内容（无论如何都没有用）。在 XML::Simple 的宇宙观中，标签可以包含文本或其他标签，但不能同时包含两者。这就是为什么它被称为“简单”。引用其文档：

混合内容（同时包含文本内容和嵌套元素的元素）将不会以有用的方式表示 - 元素顺序和重要的空白将丢失。如果您需要处理混合内容，那么 XML::Simple 不是适合您工作的工具

您必须选择不同的 XML 模块。 XML::LibXML 和 XML::Twig 是流行的选择。

另一种可能性是让生成 XML 的人使用实体而不是标签来表示破折号等字符。例如，XML::Simple 可以处理：

<text>SECTION A — HUMAN NECESSITIES</text>

就好了。 (—是一个破折号。）

Answer 2

XML::Simple 正在解析所有内容，但它不能很好地处理来自 精美手册：

混合内容（同时包含文本内容和嵌套元素的元素）将不会
以有用的方式表示 - 元素顺序和重要的空白将丢失。
如果您需要处理混合内容，那么 XML::Simple 不是适合您的工具。
工作 - 请查看下一部分。

例如，这个：

use Data::Dumper;
use XML::Simple;
print Dumper(XMLin(qq{
    <textBody>
        <title>
            <titlePart>
                <text>SECTION A <emdash/> HUMAN NECESSITIES</text>
            </titlePart>
        </title>
    </textBody>
}));

Yields：

$VAR1 = {
    'title' => { 
        'titlePart' => { 
            'text' => { 
                'emdash' => {}, 
                'content' => [ 
                    'SECTION A ', 
                    ' HUMAN NECESSITIES'
                ]
            }
        }   
    }
};

所以破折号在那里，但混合内容相当混乱。