如何使用XML :: LibXML查找不区分大小写的节点

Question

我需要在XML文件中找到不区分大小写的节点。 以下代码有效，但仅当所有元素都不为小写时：

my $dom = XML::LibXML->new->parse_fh(*DATA);
my $xpc = XML::LibXML->XPathContext->new( $dom->documentElement );
my @invoices = $xpc->findnodes( "/ALLINVOICES/INVOICES/INVOICE" );

__DATA__
<ALLINVOICES>
  <INVOICES>
    <INVOICE number="12345">
       <CUSTOMER>Mr Fubar</CUSTOMER>
    </INVOICE>
  </INVOICES>
</ALLINVOICES>

如何修复它，使其也接受<allinvoices><invoices><invoice> ？

Answer 1

将元素名称规范化为小写的字符串预处理阶段可能会帮助您：

my $xmlstring = '';
{
    local $/;
    $xmlstring = <DATA>;
}

#
# Turns all element names into lowercase.
# Works as well with uppercase ( replace lc with uc )
#
# !!! The usual caveats wrt processing semistructured data with regexen apply (ie. don't try more complex transformations purely by changing the regex pattern )
#
$xmlstring =~ s#(<[/]?[^/>[:space:]]+)#lc($1)#eg; # all element names

my $dom = XML::LibXML->new->parse_string( $xmlstring);
# ...

注意

提出的解决方案错误地处理了注释和cdata部分（如@ikegami所指出）。 为了根据安全规格 ，元素名称的第一个字符必须属于以下字符类：

  [:_a-zA-Z\x{c0}-\x{d6}\x{d8}-\x{f6}\x{f8}-\x{ff}\x{0370}-\x{037d}\x{037f}-\x{1fff}\x{200c}\x{200d}\x{2070}-\x{218f}\x{2c00}-\x{2fef}\x{3001}-\x{d7ff}\x{f900}-\x{fdcf}\x{fdf0}-\x{fffd}\N{U+10000}-\n{U+EFFFF}]

这个怪物会插入[/]?之间[/]? 和上面代码部分的regex模式中的[^/>[:space:]]* （遵守更改的重复修饰符）。

Answer 2

XML和XPath始终区分大小写，因此您需要编写将字符串转换为大写或小写的代码以进行比较。 我认为LibXML::XPathContext允许您注册其他函数，以便您可以在Perl中编写一个函数，从XPath调用该函数，并带有要比较的节点和名称，并根据需要返回true或false：

$xpc->registerFunction('tn', sub { my ($node,$name) = @_; if (lc($node->item(0)->localName) eq $name) { return XML::LibXML::Boolean->True; } else { return XML::LibXML::Boolean->False;} });

my @invoices = $xpath->findnodes('/*[tn(., "allinvoices")]/*[tn(., "invoices")]/*[tn(., "invoice")]');

但是，这仅比编写注释（很多）长XPath表达式时在注释中已经建议的在XPath中使用translate稍短。