Актуальная проблема того, почему это не работает, описана здесь , ,
.
Тем не менее, данное решение для создания метателя броска для прохождения проверки не будет работать в вашем случае.
Я думаю, что можно вызывать метод в ViewModel. Если это код части, которая вас беспокоит, возможно, вы можете использовать интерактивность для вызова метода, основанного на триггере событий (SizeChanged).
Полное регулярное выражение для удаления недопустимых символов xml-1.0:
# #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]
$str =~ s/[^\x09\x0A\x0D\x20-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}]//go;
для xml-1.1 это:
# allowed: [#x1-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]
$str =~ s/[^\x01-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}]//go;
# restricted:[#x1-#x8][#xB-#xC][#xE-#x1F][#x7F-#x84][#x86-#x9F]
$str =~ s/[\x01-\x08\x0B-\x0C\x0E-\x1F\x7F-\x84\x86-\x9F]//go;
Как уже говорили почти все, используйте регулярное выражение. Честно говоря, это недостаточно сложно, чтобы его стоило добавить в библиотеку. Предварительно обработайте текст подстановкой.
Ваш комментарий о переводе строки выше предполагает, что форматирование имеет для вас некоторое значение, поэтому вам, возможно, придется точно решить, чем вы хотите заменить некоторые символы.
Список недопустимых символов четко определен в спецификации XML (здесь - http://www.w3.org/TR/REC-xml/#charsets - например). Запрещенные символы - это управляющие символы ASCII в виде строки возврата каретки, перевода строки и табуляции. Итак, перед вами 29 символьный класс символов регулярного выражения. Это, конечно, не так уж и плохо.
Что-то вроде:
$text =~ s/[\x00-\x08 \x0B \x0C \x0E-\x19]//g;
должно это сделать.
Translate - это лот быстрее, чем подстановка регулярного выражения. Особенно, если вы хотите удалить все символы. Использование набора newt:
$string_to_clean =~ tr/\x00-\x08\x0B\x0C\x0E-\x19//d;
Пример такого теста:
cmpthese 1_000_000
, { translate => sub {
my $copy = $text;
$copy =~ tr/\x00-\x08\x0B\x0C\x0E-\x19//d;
}
, substitute => sub {
my $copy = $text;
$copy =~ s/[\x00-\x08\x0B\x0C\x0E-\x19]//g;
}
};
yeilded:
Rate substitute translate
substitute 287770/s -- -86%
translate 2040816/s 609% --
И чем больше символов мне нужно для удаления, тем быстрее получается отношение tr.
Хорошо, кажется, на этот вопрос уже дан ответ, но какого черта. Если вы хотите создавать XML-документы, вы должны использовать XML-библиотеку.
#!/usr/bin/perl
use strict;
use XML::LibXML;
my $doc = XML::LibXML::Document->createDocument('1.0');
$doc->setURI('http://example.com/myuri');
$doc->setDocumentElement($doc->createElement('root-node'));
$doc->documentElement->appendTextChild('text-node',<<EOT);
This node contains &, ñ, á, <, >...
EOT
print $doc->toString;
Это дает следующее:
$ perl test.pl
<?xml version="1.0"?>
<root-node><text-node> This node contains &, 񬠡, <, >...
</text-node></root-node>
Изменить: Теперь я вижу, что вы уже используете XML :: LibXML.
Вы можете использовать регулярное выражение для удаления управляющих символов, например, \ cH будет соответствовать \ cL или \ x08 и \ x0C, оба будут соответствовать Backspace и Formfeed соответственно.
Вы можете использовать простое регулярное выражение , чтобы найти и заменить все управляющие символы в вашем фрагменте текста, заменяя их пробелом или удаляя их полностью-
# Replace all control characters with a space
$text =~ s/[[:cntrl:]]/ /g;
# or remove them
$text =~ s/[[:cntrl:]]//g;
Раньше я не много работал с XML, содержащим "недопустимые" символы, но Мне кажется, у вас здесь две совершенно разные проблемы.
Во-первых, в ваших данных есть символы, которые вам могут не понадобиться. Вы должны решить, что это такое и как вы хотите удалить / заменить их независимо от каких-либо ограничений XML. Например, у вас могут быть такие вещи, как x ^ H_y ^ H_z ^ H_
, где вы решаете удалить как пробел, так и следующий символ. Или возможно, что вы на самом деле не хотите корректировать свои данные, но чувствуете себя вынужденным из-за необходимости представить их в XML.
Обновление: я сохранил следующие абзацы для потомков, но они основаны на недоразумении : Я думал, что вы можете включить любой символ в данные XML, если вы правильно его закодируете, но, похоже, есть некоторые символы, которые прямо запрещены, даже закодировано? XML :: LibXML удаляет их (по крайней мере, в текущей версии), за исключением символа nul, который он рассматривает как конец строки, отбрасывая его и все, что следует за ним: (
Во-вторых, у вас могут быть символы в ваших данных, которые вы сохранили, требуется кодирование в XML. В идеале, любой модуль XML, который вы используете, сделает это за вас, но если это не так, вы можете сделать это вручную, например:
use HTML::Entities "encode_entities_numeric";
$encoded_string = encode_entities_numeric( $string, "\x00-\x08\x0B\x0C\x0E-\x19");
Но на самом деле это всего лишь временная мера. Используйте правильный модуль XML; см., Например, этот ответ .
Если вы используете XML-библиотеку для создания своего XML (в отличие от конкатенации строк, простых шаблонов и т. Д.) , тогда он позаботится об этом за вас. Нет смысла изобретать колесо.
Я нашел решение, но оно использует команду iconv
вместо perl.
$ iconv -c -f UTF-8 -t UTF-8 invalid.utf8 > valid.utf8
Приведенные выше решения, основанные на регулярных выражениях, не работают!!! , рассмотрим следующий пример:
$ perl -e 'print "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<root>\x{A0}\x{A0}</root>"' > invalid.xml
$ perl -e 'use XML::Simple; XMLin("invalid.xml")'
invalid.xml:2: parser error : Input is not proper UTF-8, indicate encoding !
Bytes: 0xA0 0xA0 0x3C 0x2F
$ perl -ne 's/[^\x09\x0A\x0D\x20-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}]//go; print' invalid.xml > valid.xml
$ perl -e 'use XML::Simple; XMLin("valid.xml")'
invalid.xml:2: parser error : Input is not proper UTF-8, indicate encoding !
Bytes: 0xA0 0xA0 0x3C 0x2F
Фактически, два файла invalid.xml
и valid.xml
являются идентичными.
Дело в том, что диапазон "\x20-\x{D7FF}" соответствует валидным представлениям этих символов юникода, но не, например, невалидной последовательности символов "\x{A0}\x{A0}".