Dotaz: libxml: entity

[Fuky]

Pro zpracování XML souboru používám funkci xmlParseDocument(ctxt_ptr); a callback funkce, které při tom volá (startElement, endElement, ...). Ale stále nemohu přijít na to jak vypnout nahrazování entit (lt, gt, quot, ...). Neví někdo jak na to?

---

---

Odpovědi

[Filip Jirsák]

Vypnout? Nahrazování entit je práce pro parser, pokud je chcete vypnout, asi chápete špatně jejich funkci – entita je "zástupce", který se během parsování nahradí svou hodnotou. Pro nikoho jiného než pro parser tedy entita nemá význam.

[Fuky]

Špatně jsem popsal svůj problém. Mám např. <tag>A &lt; B</tag>. Při parsování mi callback funkce characters vrátí " B" místo "A < B". Vypadá to jako by si parser nejprve nahradil entity a teprve poté projel XML soubor a na základě toho produkuje tyto useknuté části.

[Filip Jirsák]

To je divné, to by ten parser vůbec nemohl fungovat… Počítáte s tím, že characters může data dostávat po částech (tj. třeba "A < B" může dostat třeba jako "A <" a pak " B")?

[Fuky]

Opravdu je to tak, vrací postupně "A ", "<", " B". Díky moc za nakopnutí.

Měl jsem totiž v programu ještě jednu chybu, zapomněl jsem buffer naplnit nulami, před použitím funkce strncpy, takže to vytvořilo slátaninu, která mě svedla z cesty a já vymyslel takovouhle blbost

[Petr]

Tohle je normální chování SAX parserů (řeší se SAX filterem, který bufferuje po sobě následující textové události). Používat SAX je ale trochu masochismus. V libxml2 je dnes upřednostňováno pull-parser rozhrani xmlTextReader.

[razor]

A není to tak, že ten DOM vypadá nějak takto (čistě schematicky):

[ TagNode 
    [CharacterNode] 
    [EntityReferenceNode
      [CharacterNode]
    ] 
    [CharacterNode] 
]

?

Takže ta funkce characters je volána 3x a to nejdříve pro "A ", "<" a " B".