从XML标记中删除空白

我试图编写一个perl脚本，从XML标记中删除空白，但在值中保留空白。例如，假设我有：

<Example>This is an example.</Exampl   e>

这是一个例子。

我希望完成的是在

中删除空白。由于这将对整个XML文档起作用，我想我应该使用替换操作符，但我不太明白如何只匹配XML标记本身内部的空白

非常感谢您的帮助

编辑：我添加了一个真实的例子来说明发生了什么：

not well-formed (invalid token) at line 42, column 25, byte 1456:
                    <Artist>Eminem</Artist>
                    <FileName>eminem feat lil wayne - no love -
hotnewhiphop com(2).mp3</    FileName>
========================^
                    <FileSize>4804478</FileSize>

第42行第25列字节1456的格式不正确（无效标记）：
阿姆
阿姆·费特·利尔·韦恩-没有爱-
hotnewhiphop com（2）.mp3
========================^
4804478

我强烈建议您避免使用自己的XML解析，或尝试通过正则表达式等操作XML

使用众多可用的XML解析器中的一个，省去了麻烦

例如，看看

另请参阅，以获取有关使用Perl处理XML的相当全面的常见问题解答。

s！()!$1$2!G
s!(</?\w+)\s+(\w+\s+/?>)!$1$2!g;

如果您想在带有属性的标记中实际保留空格，则会变得更复杂，因为空格是标记中的合法字符。你几乎必须找到后面没有等号或空格+等号的“单词”，并将它们与前面的-未引用的-单词相结合

子婚姻内部分割{
我的美元=班次；
#修复损坏的标签
s^/？（\w+）\s+（\w+）\b（？！\s*=）|$1$2 |；
#找到结果位置。
我的$pos=索引（$）；
#如果没有空格，则返回。
如果$pos==-1，则返回$；
#将其余文本绑定到子字符串
substr（$389;，$pos）=~s/（\s*\w+）\s+（\w+\s*=\s*（？：“[^”]+“|”[^']+'）\s*）/$1$2/g；
返回$\；
}
我的$tag_str=q{标记前的一些东西}；
$tag_str=~s/]+）>/''/ge；

---

e

标志意味着您正在替换零件中*

eval

*-ing。

基于此示例，XML可能格式不正确。是否正确？（这对所需的方法产生了很大的影响。）正确，在我解码包含xml数据的带引号的打印消息后会出现问题。但是，基于所使用的架构，标记本身不应该有任何空格。您是如何进行解码的？您是手动执行还是使用CPAN的MIME工具（即，

MIME:：Decoder

）？--一开始最好避免损坏，而不是事后修补。我使用MIME:：QuotedPrint:：Perl的解码来处理文件，它会将文件清理干净（否则在某些行的末尾会看到=20）。如果我能告诉RIAA清理他们的XML，那就太好了，但我怀疑他们是否会合作。如果XML格式不好，就拒绝它，而不是试图用令人讨厌的方式咀嚼它，因为这样容易造成脆弱性和意外破坏。这是我一直遇到的问题。我正在尝试解析来自各种来源的DMCA通知（似乎喜欢使用引用的打印消息，这会弄乱XML本身）每次我尝试解析收到的某些XML文档时，我都会收到由格式不正确的XML标记引起的无效标记，我正在尝试修复这些标记。这些模块中是否有任何模块可以修复该问题或智能地解释空白？您可以试着通过例如xmllint运行XML，看看它的作用。一般来说，我宁愿站在如果它不是有效的XML，那么拒绝它”的方法。@Timothy，听起来好像你在说你没有正确处理传输（或类似的）编码。也许这就是我们应该关注的问题？本质上，我必须使用MIME:：QuotedPrint:：Perl从包含XML的邮件消息中去除quoted print，这通常是有效的，除了一些电子邮件看起来像是对文本进行了换行，并跨行拆分了一些标记或添加了空格。有布尔属性s（不带值），例如

Qtax，则它不是XML。在XML中，所有属性都必须有带引号的值。

sub marry_inner_splits {
    my $_ = shift;
    # fix broken tags
    s|^/?(\w+)\s+(\w+)\b(?!\s*=)|$1$2|; 
    # find the resulting position.
    my $pos = index( $_, ' ' );
    # return if there is no whitespace.
    return $_ if $pos == -1;
    # bind the rest of the text to the substring
    substr( $_, $pos ) =~ s/(\s*\w+)\s+(\w+\s*=\s*(?:"[^"]+"|'[^']+')\s*)/$1$2/g;
    return $_;
}

my $tag_str = q{Some stuff before the tag <ta g attr1="val1" att   r2="value #2"     /></Escap   e>};
$tag_str =~ s/<([^>]+)>/'<' . marry_inner_splits($1) . '>'/ge;