使用 REXML 保留 DOCTYPE 声明

Question

我正在尝试解析 log4j.xml 文件，编辑一些属性，然后将其写回。

log4j.xml 具有 声明，但是当我写回它时，声明更改为 。

我已使用 xmlDoc = Document.new(File.new(file, 'r')) 打开文件进行解析，并使用 xmlDoc.write(File.new(file, 'w'), 0)。

我还尝试使用 xmlDoc = Document.new(File.new(file, 'r'), { :raw => :all }) 打开。

有没有办法保留原始的 DOCTYPE 声明？

非常感谢！

Answer 1

恐怕使用 rexml 使用是不可能的。看看这个简短的摘要 - 这是在 rexml 库中发生的过程的“精简版本”，

require 'rexml/source'

LETTER = '[:alpha:]'
COMBININGCHAR = ''
EXTENDER = ''
NCNAME_STR= "[#{LETTER}_:][-[:alnum:]._:#{COMBININGCHAR}#{EXTENDER}]*"

IDENTITY = /^([!\*\w\-]+)(\s+#{NCNAME_STR})?(\s+["'](.*?)['"])?(\s+['"](.*?)["'])?/u
DOCTYPE_PATTERN = /\s*<!DOCTYPE\s+(.*?)(\[|>)/um

string = <<HERE
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE log4j:configuration SYSTEM "log4j.dtd" >
<log4j:configuration>
</log4j:configuration>
HERE
source = REXML::SourceFactory.create_from(string)
md = source.match( DOCTYPE_PATTERN, true )
identity = md[1]
close = md[2]
identity =~ IDENTITY
name = $1
pub_sys = $2.nil? ? nil : $2.strip
long_name = $4.nil? ? nil : $4.strip
uri = $6.nil? ? nil : $6.strip
args = [ :start_doctype, name, pub_sys, long_name, uri ]
p args  # => [:start_doctype, "log4j", nil, nil, nil]

正如您所看到的，此代码片段返回与问题中的代码相同的结果。除此之外，您会看到代码片段中没有可以更改此行为的参数。

作为解决方法，我建议您使用 Nokogiri 库。快速浏览一下它可以正确解析此类文档类型：

require 'nokogiri'

string = <<HERE
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE log4j:configuration SYSTEM "log4j.dtd" >
<log4j:configuration>
</log4j:configuration>
HERE

doc = Nokogiri::XML(string)
puts doc.internal_subset.to_s
# => <!DOCTYPE log4j:configuration SYSTEM "log4j.dtd">