通过XML转换CDATA从Java 8到Java 11来处理换行符的更改

Question

使用Java 9 javax.xml.transform.Transformer，OutputKeys.INDENT处理CDATA标签的方式发生了变化。简而言之，在Java 8中，名为“ test”的标签包含一些字符数据将导致：

<test><![CDATA[data]]></test>

但是对于Java 9，结果相同

<test> <![CDATA[data]]> </test>

XML不一样。有关更多信息，请参见http://java9.wtf/xml-transformer/。

我了解到，对于Java 9，有一种解决方法可以使用DocumentBuilderFactorywith，setIgnoringElementContentWhitespace=true但这不再适用于Java 11。

有谁知道在Java 11中处理此问题的方法吗？我正在寻找一种方法来防止多余的换行符（但仍然能够格式化我的XML），或者能够在解析XML时忽略它们（最好使用SAX）。

不幸的是，我不知道CDATA标签将实际包含在我的应用程序中。它可能以空格或换行符开头或结尾，因此在读取XML或实际在结果对象中设置值时，我不能只是剥离它们。

示例程序来演示该问题：

public static void main(String[] args) throws TransformerException, ParserConfigurationException, IOException, SAXException
{
    String data = "data";

    StreamSource source = new StreamSource(new StringReader("<foo><bar><![CDATA[" + data + "]]></bar></foo>"));
    StreamResult result = new StreamResult(new StringWriter());

    Transformer tform = TransformerFactory.newInstance().newTransformer();
    tform.setOutputProperty(OutputKeys.INDENT, "yes");
    tform.transform(source, result);

    String xml = result.getWriter().toString();

    System.out.println(xml); // I expect bar and CDATA to be on same line. This is true for Java 8, false for Java 11


    Document document = DocumentBuilderFactory.newInstance()
        .newDocumentBuilder()
        .parse(new InputSource(new StringReader(xml)));

    String resultData = document.getElementsByTagName("bar")
        .item(0)
        .getTextContent();

    System.out.println(data.equals(resultData)); // True for Java 8, false for Java 11
}

编辑：为了将来参考，我已向Oracle提交了一个错误报告，该错误报告已在Java 14中修复：https : //bugs.java.com/bugdatabase/view_bug.do?bug_id= JDK- 8223291

Answer 1

由于您的代码依赖于未指定的行为，因此额外的显式代码似乎更好：

• 你想要的缩进如下：

    tform.setOutputProperty(OutputKeys.INDENT, "yes");
    tform.setOutputProperty("{http://xml.apache.org/xslt}indent-amount", "4");
  

• 但不适用于包含 CDATA 标记的元素：

    String xml = result.getWriter().toString();
    // No indentation (whitespace) for elements with a CDATA section.
    xml = xml.replaceAll("(?s)>\\s*(<\\!\\[CDATA\\[.*?]]>)\\s*</", ">$1</");
  

正则表达式使用：

• (?s)DOT_ALL 匹配.任何字符，也包括换行符。
• .*?最短的匹配序列，不匹配“...]]>...]]>”。

或者：在 DOM 树（保留 CDATA）中，您可以检索每个 XPath 的所有 CDATA 部分，并使用父元素删除空白兄弟元素。