1
請考慮使用Nokogiri構建的以下SAX解析器。Nokogiri and Encoding
#encoding: UTF-8
require 'nokogiri'
class MyParser < Nokogiri::XML::SAX::Document
def initialize(&callback)
@callback = callback
@buffer = ""
@parser = Nokogiri::XML::SAX::PushParser.new(self, "UTF-8")
@elem = nil
@doc ||= Nokogiri::XML::Document.new
super()
end
def push(data)
@parser << data
end
def start_element(name, attributes = [])
@elem = Nokogiri::XML::Element.new(name, @doc)
attributes.each do |k, v|
@elem.set_attribute(k, v)
end
end
def end_element(name)
clear_characters_buffer
@callback.call(@elem)
end
def clear_characters_buffer
if @buffer && @elem
@buffer.strip!
@elem.add_child(Nokogiri::XML::Text.new(@buffer, @doc)) unless @buffer.empty?
@buffer = nil # empty the buffer
end
end
def characters(string)
@buffer ||= ""
@buffer << string
end
end
xml =<<-EOXML
<entry>
<title>Appel à témoins pour émission de TV sur les jobs d'été</title>
<summary type="text">Je laisse la parole à Caroline, journaliste, qui recherche des étudiants pour une émission sur les jobs d'été à la rentrée.</summary>
<link rel="alternate" type="text/html" href="http://www.jobetudiant.net/blog/index.php?2011/04/29/573-appel-tmoins-pour-mission-de-tv-sur-les-jobs-d-t" title="Appel à témoins pour émission de TV sur les jobs d'été"/>
EOXML
p = MyParser.new() do |node|
puts node.to_xml(:encoding => "UTF-8")
end
p.push(xml)
##
# Output :
##
# $ ruby encoding-bug.rb
# <title>Appel à témoins pour émission de TV sur les jobs d'été</title>
# <summary type="text">Je laisse la parole à Caroline, journaliste, qui recherche des étudiants pour une émission sur les jobs d'été à la rentrée.</summary>
# <link rel="alternate" type="text/html" href="http://www.jobetudiant.net/blog/index.php?2011/04/29/573-appel-tmoins-pour-mission-de-tv-sur-les-jobs-d-t" title="Appel à témoins pour émission de TV sur les jobs d'été"/>
##
# Expected :
##
# $ ruby encoding-bug.rb
# <title>Appel à témoins pour émission de TV sur les jobs d'été</title>
# <summary type="text">Je laisse la parole à Caroline, journaliste, qui recherche des étudiants pour une émission sur les jobs d'été à la rentrée.</summary>
# <link rel="alternate" type="text/html" href="http://www.jobetudiant.net/blog/index.php?2011/04/29/573-appel-tmoins-pour-mission-de-tv-sur-les-jobs-d-t" title="Appel à témoins pour émission de TV sur les jobs d'été"/>
正如你所看到的,它是一個UTF8字符串。 SAX解析器在用正確的字符串發射正確的事件方面做得很好,但是當我嘗試再次將它放在文檔中時,出於某種原因,它不會正確地序列化屬性,通過將它們重新編碼爲UTF- 8。任何人都知道發生了什麼?