[Perl] XML::TreePP モジュール writefile 時の文字化け【解決】 Kawa.netブログ（川崎有亮）/ウェブリブログ

[Perl] XML::TreePP モジュール writefile 時の文字化け【解決】

<< 作成日時： 2007/09/26 04:53 >>

XML::TreePP モジュールで、Perl オブジェクト→XML ファイル出力を行う
writefile() メソッドで文字化けが発生していました。
先週末にアップした、バージョン 0.31 で修正されています。
writefile() メソッドをご利用の方は、バージョンアップをお願いします。_o_
http://www.kawa.net/works/perl/treepp/treepp.html

原因は、utf8 フラグの扱い。
0.22 から、utf8_flag => 1 というオプションを追加したのだけど、
writefile 時の処理に問題が残っていました。
XML::TreePP モジュールの utf8 フラグ取り扱い方針は、以下の通り：

use utf8; あり　＋　utf8_flag => 1　　　⇒　utf8フラグを立ったまま出力
use utf8; あり　＋　utf8_flag => undef　⇒　スルー（utf8フラグは立ったまま）
use utf8; なし　＋　utf8_flag => 1　　　⇒　utf8フラグを立てて出力
use utf8; なし　＋　utf8_flag => undef　⇒　スルー（utf8フラグは立ってないまま）

writefile() メソッド自体は処理が短く、またファイル書き出しが伴う面倒もあり、
ちゃんとテストを組んでいなかったのが、バグの発見が遅れた原因。
追加しておきました。やっぱり、テスト大事ですね。申し訳ないです。。。
http://www.kawa.net/works/perl/treepp/temp/41_writefile_encode.t

＃ただし、CPAN 上のパッケージには 41_writefile_encode.t は未同梱です。
＃次回のバージョンアップ時に同梱しておきます。
＃みるふぃーゆさん、ご指摘ありがとうございました！

なお、このバージョン 0.31 では、合わせて、先週話題になっていた
CDATA セクション内に ]]> の件にも対応しています。

CDATA セクション中に ]]> という文字列を書きたい場合は、
<![CDATA[]]]]><![CDATA[>]]> または
<![CDATA[]]]><![CDATA[]>]]> と分割する必要がある。読みにくいけど。

0.31 以前でもこのような複数の CDATA で構成される要素を含む XML の読み込み処理には
対応していましたが、0.31 からは、書き出し処理にも対応しました。
書き出し時は、自動的に分割します。（こちらのテストは同梱してあります）

仕様書は、http://www.w3.org/TR/REC-xml/#sec-cdata-sectを参照：

[18]    CDSect       ::=     CDStart  CData  CDEnd
[19]    CDStart      ::=    '<![CDATA['
[20]    CData        ::=    (Char* - (Char* ']]>' Char*))
[21]    CDEnd        ::=    ']]>'

[39]    element      ::=     EmptyElemTag | STag content ETag
[40]    STag         ::=    '<' Name (S  Attribute)* S? '>'
[41]    Attribute    ::=     Name  Eq  AttValue
[42]    ETag         ::=    '</' Name  S? '>'
[43]    content      ::=     CharData? ((element | Reference | CDSect | PI | Comment) CharData?)*
[44]    EmptyElemTag ::=    '<' Name (S  Attribute)* S? '/>'

ポイントは、[20] で ']]>' が抜かれている点と、
[43] で CDSect が * なので、つまり要素中に CDATA が何回登場してもＯＫという点。
ふつうのテキスト、CDATA、コメントが何回混ざってもＯＫなんですね。