libxml2解析HTML时如何保留标签与属性的大小写

问题根源 #

libxml2的HTML解析器默认按HTML规范处理，会把所有标签、属性名转成小写，但SVG是XML语法，像viewBox这种属性是大小写敏感的，转成小写后浏览器无法识别，自然渲染失败。

具体解决步骤 #

1. 开启HTML解析器的命名空间清理支持 #

初始化HTML解析器时，加上HTML_PARSE_NSCLEAN选项，搭配常用的解析选项。这个选项会让解析器保留命名空间相关节点和属性的大小写——毕竟SVG在HTML里是靠xmlns="http://www.w3.org/2000/svg"这个命名空间标识的，开启后就能正确识别并保留SVG的大小写敏感属性。

C语言示例代码：

htmlDocPtr doc = htmlReadFile("input.html", NULL, 
    HTML_PARSE_NOBLANKS | HTML_PARSE_NOERROR | HTML_PARSE_NOWARNING | HTML_PARSE_NSCLEAN);

2. 用XML序列化函数导出SVG节点 #

提取到SVG节点后，别用HTML相关的序列化函数（比如htmlNodeDump），改用XML的xmlNodeDump函数。XML序列化器会严格保留节点和属性的大小写，还能把HTML解析器转成闭合标签的空元素（比如<path></path>）还原成XML风格的<path/>。

示例代码：

// 假设已经定位到目标svg_node节点
xmlBufferPtr buf = xmlBufferCreate();
// 最后两个参数：0表示不缩进，1表示保留格式缩进，按需调整
xmlNodeDump(buf, doc, svg_node, 0, 1); 

FILE* output_file = fopen("output.svg", "w");
fwrite(xmlBufferContent(buf), 1, xmlBufferLength(buf), output_file);
fclose(output_file);
xmlBufferFree(buf);

3. 简易替代方案（适合简单HTML） #

如果你的HTML结构不复杂，可以直接用字符串匹配把<svg>到</svg>之间的内容抠出来，然后单独用XML解析器处理这段SVG内容——XML解析器天生会保留所有大小写，不用额外配置。但这种方法只适合HTML结构简单的场景，复杂的嵌套结构容易匹配出错。

内容的提问来源于stack exchange，提问作者xxpp123zz