Category Archives: XML

又上了名字空间的套

Posted on 2010/01/25 by 书剑生活

在做一个XML的XSL，原XML如下： <?xml version="1.0" encoding="utf-16"?> <book version="5.0" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xi="http://www.w3.org/2001/XInclude" xmlns="http://docbook.org/ns/docbook">   <info>     <title>test</title>     <author>       <personname>         <othername>Unknown</othername>       </personname>     </author>     <bibliosource>Unknown</bibliosource>   </info> </book> 制作的XSL： <?xml version="1.0" encoding="UTF-8"?> <xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">     <xsl:template match="info">         <xsl:value-of … Continue reading →

Posted in Jeebook, XML | Tagged , , | Leave a comment

实现HTML的简单压缩

Posted on 2009/12/21 by 书剑生活

PageReleaser需要一种HTML的压缩算法，Google了很久，发现如果只是简单去除空白和注释的话，使用XLinq就可以轻易的实现 先看看MSDN是怎么说的： 一种常用方案是读取缩进的 XML，在内存中创建一个没有任何空白文本节点（即不保留空白）的 XML 树，对该 XML 执行某些操作，然后保存带缩进的 XML。在序列化带格式的 XML 时，只保留 XML 树中有意义的空白。这是 LINQ to XML 的默认行为。 另一个常见的情况是读取和修改已经有意缩进的 XML。您可能不想以任何方式更改这种缩进。若要在 LINQ to XML 中执行此操作，您要在加载或解析 XML 时保留空白，并在序列化 XML 时禁用格式设置。 简单的说，XDocument载入时，默认使用LoadOptions::None，自动去掉XML的空白；保存时，默认使用SaveOptions::None，自动格式化XML。 也就是说，使用XDocument将一个HTML文档打开什么也不作就保存，其实等于实现了HTML的格式化。 而如果在保存时，使用SaveOptions::DisableFormatting参数，看似要保存XML的空白，由于载入时所有空白都被删掉了，其实等于删除了所有空白，于是去掉空白就这样实现了。 至于删掉注释也很简单，只是需要注意，一般页面嵌入JavaScript会使用注释节点包裹，需要例外处理。 整个HTML压缩代码如下： var nodes = from s in doc.DescendantNodes() where … Continue reading →

Posted in C#, PageReleaser, XML | Tagged , , | Leave a comment

集成Html Tidy

Posted on 2009/10/28 by 书剑生活

解析HTML最大的问题是不能使用标准的XML解析器，虽然很多新的网站开始逐步改用规范的XHTML，但只有出现一个<br>就会导致整个解析过程的失败，而好的HTML解析器却不是那么容易找到的，所以转换或许也是一个很好的选项 在google这个问题的时候，发现一个好东西HTML Tidy，W3C出品的，开源的小工具，可以将HTML转换成XHTML或XML HTML Tidy提供了编译好的exe文件，所以最初尝试在程序中通过进程方式直接调用，转换的速度很快，不过会出现一个控制台的黑窗口，大量处理时会比较麻烦。 后来查找Tidy的衍生库，发现EfTidy.net。EfTidy.net采用Warp技术，将C++的库直接引入到C#的项目中，用C#调用非常简单。可惜的是，这明显是老外的作品，没有考虑编码的问题，中文会被自动转换为类似#C2C8;这样的Unicode编码，显然这是无法忍受的。 之后又找到了Tidy的纯C#代码编写的库Tidy.net，虽然版本有点老且很难随Tidy的源版更新，不过毕竟是同源的C#代码，什么编码，语言之类的问题统统不存在，于是集成转换的问题解决了。 P.S. Tidy有很多各种各样的库，还有如Mark Tidy之类的，各有特点，大家有空可以试试，好用的话记得推荐给我哦:)

Posted in XML, 我爱开源 | Tagged , , , | 2 Comments

C#中使用Xslt 2.0处理器

Posted on 2009/10/14 by 书剑生活

用C#处理Xslt 2.0的时候，才发现原来.Net并没有提供对Xslt 2.0的支持，毕竟Xslt 2.0目前更多的还是纸面上的标准，而且微软的动作一向速度有限。 于是开始找专门的Xslt 2.0处理器。 首先找到的是Saxon，不知道是不是逐步商业化的缘故，Saxon版本显得有点凌乱。在9.1，分成商用的SA版，开源的B版；到了9.2又改成商用的EE企业版，PE专业版和开源的HE家庭版，加上每个版本又都分成java版和.Net版，看得都有点眼晕。 不管怎样直奔最新版本，先下了9.2 HE .NET版，结果发现处理中总是会有出现编码异常，貌似是Saxon的一个BUG，因为也其他有人碰到同样的问题，据说是换上9.1就没有好了。 于是换上9.1 B版，果然什么问题都没有了。察看文件9.2在支持库的部署方式上作了大的调整，可能是因为这个缘故导致的吧。（一个小问题，9.1中包含的IKVM.OpenJDK.ClassLibrary.dll，一个文件就26M，无论如此无法提交到Google Code，而在9.2中，这个大文件被分割成了几个相对小的问题） Saxon在调用上，最简单的方式是使用SaxonWarpper，代码类似.Net本身的方式。其实SaxonWarpper自己也不过是几行代码而已，所以直接调用Saxon也不会复杂到哪儿去，下面是一段处理Xslt 2.0的代码：         /// <summary>         /// 使用Saxon处理Xslt 2.0         /// </summary>         /// <param name="strXml">字符串形式的XML数据</param>         /// <param name="strXsl">字符串形式的XSLT数据</param>         /// <returns>处理后的XML字符串</returns>         public static string … Continue reading →

Posted in XML | Tagged , , , | Leave a comment