perl LibXML：根据 dtd 验证文档，返回布尔值答案

【问题标题】：perl LibXML : validate doc against dtd, return booleanperl LibXML：根据 dtd 验证文档，返回布尔值
【发布时间】：2014-06-18 18:13:34
【问题描述】：

我正在尝试使用 LibXML 编写一个 perl 脚本，该脚本根据 dtd 验证文档并返回关于文档是否有效的布尔值。我希望能够在 xml 文件的文件夹上运行脚本，报告哪些是有效的，哪些不是，并记录那些无效的错误。

我的脚本确实验证了一个文档，但它在第一个无效文档处停止。

use strict;
use warnings;
no warnings 'uninitialized';
use XML::LibXML;
use IO::Handle;

# script to test dtd validity against test xml instance
my $instance = 'C:\jason\code\perl\dev\well-formed-test\family-instance1.xml';
$instance =~ s#\\#/#g;

print "about to test $instance \nagainst dtd\n\n";
my $parser = XML::LibXML->new();
$parser->validation(1);
print "here we go...\n";
print "test : ", &isValid( $instance );
print "after sub.\n";



sub isValid {
   my $file = shift;
   return $parser->parse_file($instance);
}

我在下面的脚本上尝试了许多变体，不使用那个子，将 parse 命令放在 eval 块中，等等。

根据this tutorial.，我在使用 filehandle->fd_open 时遇到了问题。我也不清楚 parse_file 函数根据cpan docs.返回什么

返回关于文档是否有效的布尔值的最佳方法是什么？

这是 xml 文档：

<?xml version="1.0"?>
<!DOCTYPE family SYSTEM "family.dtd">
<family>
    <member gender="female">
    <firstName>Sally</firstName>
    <lastName>Smith</lastName>
</member>
<member gender="male">
    <firstName>Bernie</firstName>
    <lastName>Smith</lastName>
</member>
<member gender="female">
    <firstName>Anna</firstName>
    <lastName>Smith-Jones</lastName>

</member>
</family>

和 dtd：

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT family (member+)>
<!ELEMENT member (firstName, lastName)>
<!ATTLIST member gender (male|female) 'male'>

<!ELEMENT firstName (#PCDATA)>
<!ELEMENT lastName (#PCDATA)>

如果文件有效，脚本会按预期运行（它会在“子”之后到达该行），但是当我添加导致失败的标签时

<sometag/>

脚本打印出错误，但没有到达最后一行。谢谢！

【问题讨论】：

sub isValid { my $file = shift; return eval { $parser->parse_file($file); 1 }; }

标签： xml perl libxml2

【解决方案1】：

The documentation 说：

All of the functions listed below will throw an exception if the document is invalid.
To prevent this causing your program exiting, wrap the call in an eval{} block

而parse_file 就是这些功能之一。

使用eval，您可以通过期待S@ 或S! 来检查结果。

【讨论】：

【解决方案2】：

XML::LibXML 不会根据 DTD 验证已解析的文档，除非设置了 validation 解析器选项：

my $parser = XML::LibXML->new(
    validation => 1,
);

如果解析了无效文档，这将引发异常。将对parse_file 的调用封装在eval 块中以捕获异常。

my $doc = eval { $parser->parse_file($filename) };
if ( ! $doc ) {
    print("Can't parse $filename: $@");
}

或者，您可以解析文档而不进行验证，然后使用is_valid 方法进行验证：

my $doc = $parser->parse_file('filename.xml');
if ( ! $doc->is_valid ) {
    # Document does not validate...
}

在这种情况下，parse_file 可能仍会在出现其他错误（未找到文件、文档格式不正确）时抛出异常。这取决于您的用例首选哪种行为。

【讨论】：

【解决方案3】：

您可以使用 File::Find 处理多个文件。

use strict;
use warnings;
use File::Find;
use XML::Parser; 

my $parser = XML::Parser->new();
find({
        wanted => \&wanted,
        no_chdir => 1,
        follow_fast => 1,
    },
    $ARGV[0],
);


sub wanted {
    return unless -f and m/\.xml$/i;
    eval {
        $parser->parsefile($File::Find::name);
    }; if( $@ ){
        printf STDERR "Not a valid XML document: %s\n", $File::Find::name;
    } else {
        printf STDERR "A valid XML document: %s\n", $File::Find::name;
    }
}

【讨论】：