如何使用特殊字符编写 xml 代码（使用 R xml 包）

Question

我正在尝试编写一些特定程序需要的 xml 文件，并且在某些文本中写入“特殊字符”时遇到问题，因此程序会抛出错误。

如何将特殊字符（特别是“>”）写入标签的属性？

library(XML) 

xml <- xmlTree()
  xml$addTag("events", close=FALSE, attrs = c(PackageMinimumVersionRequired="1.3") )  
  
  # '>' is a special character that gets rewritten as '&gt;'
    xml$addTag("schedule", close=TRUE, 
                attrs = c(time = paste("2000-01-01/1 -> +6-0-0", sep='') ) )
xml$addTag('party', close=FALSE, attrs = c(number='1')) #just putting this in to show I have other nodes
xml$closeTag() # close party 
xml$closeTag() # close events
    
saveXML(xml, file = "testfile.xml", encoding = "UTF-8" )  
  

'time' 属性写为： time="2000-01-01/1 - &gt ; +6-0-0"

我相信应该使用这些方面的东西，但还没有找到解决办法......

xmlCDataNode()
# or 
xml$addCData 

第二个问题 - 我如何为每个标签缩进一个新行？
xml header 有自己的行，但除此之外，所有标签都水平堆叠在同一行中。 我希望 go 的每个新标签都换一个新行（我正在使用 notepad++ 或其他编辑器查看代码）。

Answer 1

某些字符，尤其是<和& ，必须始终进行转义。 如果您的库没有转义这些字符，则 output 不会是格式正确的 XML 并且将无法使用。

其他字符，例如> 、 "和' ，需要在特定条件下进行转义，许多库会无条件地转义它们，因为这是最简单的事情，一旦你将 XML 通过解析器，它就没有区别无论如何。如果你真的想要>不转义你应该问自己为什么占 StackOverflow 流量的很大一部分，所以你手头有问题。

Answer 2

我被要求解决这个问题，因为我是 XML package 的作者。 正如迈克尔所说，如果属性是

time = "2000-01-01/1 -> +6-0-0"

这将是格式错误的 XML 尽管 xmlParse() 和 libxml2 会正确解析它并将 > 转换为 > 字符序列。

有趣的是，> 字符没有转换为 > 当我们创建属性时：

z = newXMLNode("bob", attrs = c(a = "x > y"))
xmlGetAttr(z, "a")
[1] "x > y"

转换发生在对 saveXML() 的调用中。 因此，原则上，您可以避免 saveXML() 并编写 R 代码来遍历树并自己生成 output，以您想要的方式处理每个属性。 然而，这是最后的手段。

尽管我讨厌使用正则表达式来处理 XML，但我建议您对 saveXML() 的 output 进行后处理，如果您的内容是“统一的”，请全部替换 > 与 >，即，

cat(gsub(">", ">", saveXML(xml$value())))

<?xml version="1.0"?>
<events PackageMinimumVersionRequired="1.3">
  <schedule time="2000-01-01/1 -> +6-0-0"/>
  <party number="1"/>
</events>

如果可以全部替换这个就比较简单了> 与 >。 如果您需要更换 > 对于某些上下文中仅出现的一个子集，您的正则表达式必须更复杂。

Q2 要在不同的行上获取节点并缩进，请使用

saveXML(xml$value(), "testfile.xml", encoding = "UTF-8")

即，通过调用xml$value()获取文档 object 并保存。

顺便说一句，我的偏好是不使用 xmlTree() 及其函数集合（例如添加和关闭），而是

doc = newXMLDoc()
e = newXMLNode("events", attrs = c(PackageMinimumVersionRequired="1.3") , doc = doc)
newXMLNode("schedule", attrs = c(time = paste("2000-01-01/1 -> +6-0-0", sep='')), parent = e)

您甚至可以选择删除doc部分。