使用 Perl 自动检测带有文件和 STDIN 的 XML 或纯文本输入答案

【问题标题】：Automatically detecting XML or plain text input with file and STDIN with Perl使用 Perl 自动检测带有文件和 STDIN 的 XML 或纯文本输入
【发布时间】：2017-01-21 17:39:34
【问题描述】：

用 Perl（5.18 或更高版本）检测 XML（使用 XML::LibXML / libxml2）或纯文本输入的最 Perly 方法是什么？

我有一个程序可以接受纯文本输入或 XML 输入，并且 XML 输入可以是任意编码。输入来自文件 (ARGV) 或 STDIN。当只考虑纯文本时，下面的代码就足够了：

local $/ = undef;
my $text = <> || die;

这将使用默认编码设置获取整个输入文件或 STDIN 作为文本。

仅考虑 XML 时，以下代码可用（用于文件）：

my $parser = XML::LibXML->new();
my $xml = $parser->load_xml(location => $ARGV[0]);

但是将两者结合起来的最佳方法是什么？我希望 libxml2 对输入进行第一次破解，如果失败则回退到纯文本。如果我直接传递 IO => *STDIN，libxml2 将使用输入，如果 libxml2 确定输入不是 XML，程序稍后将需要它。

（注意：如果 libxml2 确定输入是某种 XML 但格式不正确，那么程序应该终止而不是回退。）

【问题讨论】：

search.cpan.org/~fitzner/File-LibMagic-0.96/LibMagic.pm
如何知道包含<doc/>的文件是XML文件还是纯文本文件？两者都可以。
nwellnhof，这是一个很好的观点。我的回答是您设计代码以一种或另一种方式回答问题。特别是：<doc/> 是一个 XML 文件，因为 XML 不必以 <?xml version="1.0"?> 开头：您可以直接进入第一个元素。您还可以将字节顺序标记作为第一个字符。更一般的一点是，我希望 libxml2 对输入进行第一次破解，然后在（libxml2 解析）失败时回退到纯文本。根据一些测试，libxml2 也会接受根元素前后的空格。

标签： perl stdin libxml2

【解决方案1】：

use XML::LibXML;

my $schema_file = 'test.xsd';
my $document    = 'test.xml';

my $schema = XML::LibXML::Schema->new(location => $schema_file);

my $parser = XML::LibXML->new;
my $doc    = $parser->parse_file($document); #Or handle STDIN

eval { $schema->validate($doc) };
if ($@){
    #file failed to validate, handle as text below
}

或者，您可以使用Text::XML 的is_xml、is_well_formed_xml 方法并基于这些方法创建条件。

【讨论】：

对不起，但实际上不是我要找的。我不想验证 XML；我正在寻找确定输入是否为 XML（任何编码）。例如，它可以以 <?xml version="1.0"?> 开头，或者 UTF-8 BOM 0xEF,0xBB,0xBF 后跟，或者带有或不带有 BOM 的 UTF-16BE，甚至是 EBCDIC。我想将字节从 STDIN 直接传递到 libxml2，但是如果 libxml2 说它不是 XML，则保留字节以尝试将流作为纯文本处理。