From: TAKAHASHI Masayoshi <maki@...>
Date: 1999-09-14T21:10:15+09:00
Subject: [ruby-list:16780] Re: xml-parser example(xmlcheck.rb) error?

高橋征義です。

Hideto Ishibashi <s34204@vip.cis.kurume-nct.ac.jp>さん：
> XMLParserに付属のexample/xmlcheck.rbの動作がおかしい様です。

結論から言うと、それはxmlcheck.rbの問題ではなくtmp.rbの問題でしょう。
# でもxmlcheck.rbもちょっとまずいかも。詳しくは後述。

> xmlcheck.rbに、おなじく付属のindex_euc.xmlをあたえると、
> >>well-formed
> と出ます。

これは問題ありませんよね。

> ここで、index_euc.xmlの1行目、XML宣言を
> "<?xml..." から "<?XML..."
> と変更します。そしてxmlcheck.rbにかけると、
> >>xmlcheck.rb:index_euc.xml:1:5:E: not well-formed
> となります。後述のように、ここでの正規表現は/.../iのcase無視です。

XMLの仕様では、先頭の「<?xml」は小文字であることが決められているので、
この *XML文書* はwell-formedではありません。正しい動作です。

# 詳しくは、
#「拡張可能なマーク付け言語 (XML) 1.0」日本語訳
# http://www.fxis.co.jp/DMS/sgml/xml/rec-xml.html
# の「2.8 前書き及び文書型宣言」などをどーぞ。

> そこで、xmlcheck.rbの25行目を抜きだして、
> >>#!/usr/bin/ruby
> >>while gets
> >>  print "well-formed\n" if ~ /^<\?xml\sversion=.+\sencoding=.EUC-JP./i
> >>end
> というファイルをtest.rbとします。
(略)
> >>$ ruby test.rb test.xml 
> >>well-formed
> >>$ 
> となりました。

ということなので、要するに「test.rbはXML文書がwell-formedかどうかを
正しく検証できてない」ということになります。

つけ加えておくと、例の25行目などは、parseに先立って「エンコーディング」
を調べるためのものです。だから、「well-formedかどうか」はここでは調べる
必要はありません(後で調べます)。

# ……でも、空白の処理が中途半端だったりしません？
#「if xml =~ /^<\?xml\s+version.*=.+\sencoding.*=\s*.EUC-JP./i」
# というくらいの正規表現じゃないと、やたらに空白を入れたXML文書を
# 解析できない気もします。
# あと、途中で改行が入る可能性もありますよね。

> あとはどなたか解決してください(^^;;;。

これで解決しましたでしょうか？ :-)

高橋征義 (TAKAHASHI Masayoshi)       Email:maki@inac.co.jp