Cómo analizar XML con cxml y stp que contienen signo comercial

Question

Quiero analizar el siguiente código XML:

(cxml:parse "<BEGIN><URL>www.some.de/url?some=data&bad=stuff</URL></BEGIN>" (stp:make-builder))

esto resulta en

 #<CXML:WELL-FORMEDNESS-VIOLATION "~A" {1003C5E163}>

ya que '&' es un carácter especial XML.Pero si uso &? en cambio el resultado es:

(cxml:parse "<BEGIN><URL>www.some.de/url?some=data&amp;bad=stuff</URL></BEGIN>" (stp:make-builder))
=>#.(CXML-STP-IMPL::DOCUMENT
   :CHILDREN '(#.(CXML-STP:ELEMENT
                  #| :PARENT of type DOCUMENT |#
                  :CHILDREN '(#.(CXML-STP:ELEMENT
                                 #| :PARENT of type ELEMENT |#
                                 :CHILDREN '(#.(CXML-STP:TEXT
                                                #| :PARENT of type ELEMENT |#
                                                :DATA "www.some.de/url?some=data")
                                             #.(CXML-STP:TEXT
                                                #| :PARENT of type ELEMENT |#
                                                :DATA "&")
                                             #.(CXML-STP:TEXT
                                                #| :PARENT of type ELEMENT |#
                                                :DATA "bad=stuff"))
                                 :LOCAL-NAME "URL"))
                  :LOCAL-NAME "BEGIN")))

Lo cual no es exactamente lo que esperaba, ya que solo debería haber un elemento secundario CXML-STP:TEXT con DATOS "www.some.de/url?some=data&bad=stuff"

¿Cómo puedo solucionar este comportamiento incorrecto (?)?

Answer 1

Este comportamiento, aunque no es muy conveniente, en realidad también está presente en muchos otros analizadores XML.Probablemente la razón es poder analizar entidades XML arbitrarias y aplicarles algunas reglas definidas por el usuario.Aunque puede ser sólo un subproducto de la implementación del analizador.No pude averiguarlo todavía.

Para la variante SAX del analizador llegué al siguiente enfoque:

(defclass my-sax (sax:sax-parser-mixin)
  ((title :accessor title :initform nil)
   (tag :accessor tag :initform nil)
   (text :accessor text :initform "")))

(defmethod sax:start-element ((sax my-sax) namespace-uri local-name
                              qname attributes)
  (with-slots (tag tagcount text) sax
              (setf tag local-name
                    text "")))

(defmethod sax:characters ((sax my-sax) data)
  (with-slots (title tag text) sax
    (switch (tag :test 'string=)
      ("text"  (setf text (conatenate 'string text data)))
      ("title" (setf title data)))))

(defmethod sax:end-element ((sax my-sax) namespace-uri local-name qname)
  (with-slots (title tag text) sax
    (when (string= "text" local-name)
      ;; process (text sax)
    )))

Es decir.Recojo el texto en sax:characters y procesarlo en sax:end-element.En STP, probablemente puedas salir aún más fácilmente concatenando text elementos.