识别 Perl IF 语句中的 XML 声明

Question

我正在尝试将样式表声明添加到我的脚本处理的任何 XML 文件的第二行。我的脚本在循环中将文件逐行读取到 $inputline 字符串中。

我有以下写得很糟糕的 Perl 代码：

while(<INPUT>) {

$inputline = $_;

if ($inputline =~ m/\<\?xml\ version\=\"1\.0\"\ encoding\=\"UTF-8\"\?\>/){

print OUTPUT "\<\?xml version\=\"1.0\" encoding\=\"UTF-8\"\?\>\n";
print OUTPUT "\<\?xml\-stylesheet type\=\"text\/xsl\" href\=\"askaway_transcript_stylesheet\.xsl\"\?\>\n";
}

#lots of other processing stuff
}

我认为这曾经有效，但不再有效。测试不同的输出并进行调整告诉我 IF 语句失败了，我可能在那里做错了。

有什么建议吗？

Answer 1

您有一个非常严格的正则表达式来查找 XML 标头。如果有多余的空格怎么办？如果编码不同，或者xml版本不同怎么办？正则表达式不是解析 XML/HTML 的正确工具（请参阅 this answer），但是您可以理解为什么要使用正则表达式，尤其是考虑到您尝试做的事情范围有限。

话虽如此，如果您为了简单起见，并且愿意接受一些可能的失败，我会选择 更简单 正则表达式，并且只替换一次：

my $replaced = 0;
if ($inputline =~ m/\<\?xml\b.*\>/ && !$replaced) {

    print OUTPUT $inputline;
    print OUTPUT '<?xml-stylesheet type="text/xsl" href="askaway_transcript_stylesheet.xsl"?>'."\n";

    $replaced = 1;
}

或者，您可以退出解析循环，假设这是您在循环中所做的一切。

警告：

• 如果您的 XML 都写在一行上，或者即使在同一行上还有另一个标签（这是合法的），这很可能会破坏您的 XML。

编辑：

您的整个while 循环可能如下所示：

while($inputline = <MYXML>) {
    my $replaced = 0;
    if ($inputline =~ m/\<\?xml\b.*\>/ && !$replaced) {

        print OUTPUT $inputline;
        print OUTPUT '<?xml-stylesheet type="text/xsl" href="askaway_transcript_stylesheet.xsl"?>'."\n";

        $replaced = 1;
    } else {
        print OUTPUT $inputline;
    }
}

或者：

while($inputline = <MYXML>) {
    my $replaced = 0;

    print OUTPUT $inputline;

    if ($inputline =~ m/\<\?xml\b.*\>/ && !$replaced) {
        print OUTPUT '<?xml-stylesheet type="text/xsl" href="askaway_transcript_stylesheet.xsl"?>'."\n";

        $replaced = 1;
    }
}