Docbook XML文件前置处理Perl程序，解决回车，空格等等影响FOP排版输出的问题

vbc

Docbook的中文问题果然层出不穷，现在都有点后悔采用Docbook格式写论文了，下面一段Perl程序通过删除<para></para>标签下的所有空格和换行符，试图解决FOP中文回车、空格影响排版输出的问题。

同时，程序还会自动保持<![CDATA[ ]]>原始数据原样不变，支持在<footnote>标记内嵌套<para>标记等等特点，总之是论文必备

不过即使这样，FOP还是会傻傻的把中文标点放在行首，这个问题挺麻烦的，可能是<xsl:param name="hyphenate">false</xsl:param>惹得祸，但是如果启用docbook-xsl又会报Couldn't find hyphenation pattern错……，不过这个问题可以通过使用商业的XEP解决，个人版还是免费的，也直接支持中文宋体（不必改cn-ZH为cn了）。

不管如何，现在起码我不用把<para></para>一段文字写成一行了，Oxygen XML 编辑器只要启用text wrap自动折行就不再同时提供代码折叠功能，而没有代码折叠，又必须采用<!ENTITY preface SYSTEM "preface.xml">来管理长文档，一旦采用，preface.xml就作为实体，做不到实时文件架构验证了，我肯定不愿意放弃Oxygen XML Editor的实时验证文档功能，那就只有采用新的XInclude方法了，但是FOP自带的Xalan 2.7.0 XML XSLT引擎目前似乎还没开始支持这个XInclude功能……


# Used for pre-format the Docbook for fix Chinese FO XSL problem in docbook-xsl
# Eric Guo <eric.guocz _@_ gmail.com>, GPL v2 Lincense
#!/bin/env perl
use strict;
use warnings;
use utf8;

open(F, $ARGV[0]) or die "Can't open file $ARGV[0]: $!\n";

my $in_book = 0;
my $in_para = 0;
my $in_cdata = 0;
  
READLINE:
while (<F>)
{
  if ($in_book == 0)
  {
      if(/<book>/)
      {
          $in_book = 1;
      }
      s#http://www.docbook.org/xml/(.*)/docbookx\.dtd#../docbook-xml-$1/docbookx\.dtd#;
      print $_;
  }
    else {
        if(/<!\[CDATA\[/)
        {
            $in_cdata = 1;
        }
        if(/\]\]>/)
        {
            $in_cdata = 0;
        }
        
        if($in_cdata == 0)
        {
            s/^\s+//;
            s/\s+$/\n/;
            if(/<para>/)
            {
                $in_para += 1;
            }
            if(/<\/para>/)
            {
                $in_para -= 1;
            }
            
            if($in_para == 0)
            {
                print $_;
            next READLINE;            
            }
            else
            {
                chomp $_;
                print $_;
            next READLINE;
            }
        }
        else
        {
                print $_;
            next READLINE;
        }
    }
}