如何整理Marklogic中的处理指令

Question

我的旧数据库中有一个内容既不是有效的HTML，也不是XML。考虑到这一事实，清理遗留文件会很困难，我想在MarkLogic中使用xdmp:tidy进行清理。我目前使用的是ML-8。

<sub>
   <p>
      <???&dagger;?>
   </p>
</sub>

在某种程度上，我将此内容传递给了整洁的功能：

declare variable $xml as node() := 
       <content>
           <![CDATA[<p><???&dagger;?></p>]]>
       </content>;

xdmp:tidy(xdmp:quote($xml//text()),
   <options xmlns="xdmp:tidy">
    <assume-xml-procins>yes</assume-xml-procins>
    <quiet>yes</quiet>
    <tidy-mark>no</tidy-mark>
    <enclose-text>yes</enclose-text>
    <indent>yes</indent>
  </options>)

因此，它返回：

<p>
<?  ?&dagger;?>
</p>

现在这个结果不是有效的xml格式(我是通过XML validator检查的)，因为当我试图将这个XML插入到MarkLogic中时，它会抛出一个错误，说‘主体格式错误|处理指令名无效’。

我对PI做了一些调查，但运气不是很好。我可以尝试在没有PI的情况下保存内容，但这也不是有效的PI。

Answer 1

这是因为你认为是PI的东西实际上不是PI。来自W3C：

2.6处理指令

定义:处理指令( Processing instructions，PI)允许文档包含应用程序的指令。

处理指令

16 PI ::= '‘Char*))？'?>’

17 PITarget ::= Name - (('X‘| 'x') ('M’| 'm') ('L‘|’l‘)

所以PI名称不能以开头？正如您的示例??†一样，您可能希望在将内容传递给†之前将其清理干净。如下所示：

declare variable $xml as node() := 
   <content><![CDATA[<p>Hello <???&dagger;?>world</p>]]></content>;

declare function local:copy($input as item()*) as item()* {
  for $node in $input
   return 
     typeswitch($node)
     case text()
       return fn:replace($node,"<\?[^>]+\?>","")
     case element()
       return
          element {name($node)} {

            (: output each attribute in this element :)
            for $att in $node/@*
               return
                  attribute {name($att)} {$att}
            ,
            (: output all the sub-elements of this element recursively :)
            for $child in $node
               return local:copy($child/node())

          }
    (: otherwise pass it through.  Used for text(), comments, and PIs :)
    default return $node
};

xdmp:tidy(local:copy($xml),
  <options xmlns="xdmp:tidy">
    <assume-xml-procins>no</assume-xml-procins>
    <quiet>yes</quiet>
    <tidy-mark>no</tidy-mark>
    <enclose-text>yes</enclose-text>
    <indent>yes</indent>
  </options>)

这样做可以消除所有PI(真实和虚假PI)

致以敬意，

彼得