在Java 9中,javax.xml.transform.Transformer
与OutputKeys.INDENT
处理CDATA标签的方式发生了变化。简而言之,在Java 8中,包含一些字符数据的名为“test”的标记将导致:
<test><![CDATA[data]]></test>
但是使用Java 9会产生相同的结果
<test>
<![CDATA[data]]>
</test>
哪个是不一样的XML。有关更多信息,请参阅http://java9.wtf/xml-transformer/。
据我所知,对于Java 9,有一个使用DocumentBuilderFactory
和setIgnoringElementContentWhitespace=true
的解决方法,但这不再适用于Java 11。
有没有人知道在Java 11中处理这个问题的方法?我要么想要一种方法来阻止额外的换行(但仍然能够格式化我的XML),或者在解析XML时能够忽略它们(最好使用SAX)。
不幸的是,我不知道CDATA标签在我的应用程序中实际包含的内容。它可能以空格或换行符开头或结尾,因此我不能在读取XML时实际删除它们或实际设置结果对象中的值。
演示问题的示例程序:
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:为了将来的参考,我已经向Oracle提交了一个错误报告:https://bugs.java.com/bugdatabase/view_bug.do?bug_id=JDK-8223291
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:
tform.setOutputProperty(OutputKeys.INDENT, "yes");
tform.setOutputProperty("{http://xml.apache.org/xslt}indent-amount", "4");
String xml = result.getWriter().toString();
// No indentation (whitespace) for elements with a CDATA section.
xml = xml.replaceAll(">\\s*(<\\!\\[CDATA\\[.*?]]>)\\s*</", ">$1</");
正则表达式使用:
(?s)
DOT_ALL让.
匹配任何角色,也是换行符。.*?
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。