Question

在我的应用程序中，我使用LSSerializer将XML文档转换为具有漂亮打印格式的字符串：

public static String convertDocumentToString(Document doc) {
    DOMImplementationLS domImplementation = (DOMImplementationLS) doc.getImplementation();
    LSSerializer        lsSerializer      = domImplementation.createLSSerializer();
    lsSerializer.getDomConfig().setParameter("format-pretty-print", Boolean.TRUE); // Set this to true if the output needs to be beautified.
    return lsSerializer.writeToString(doc);   
}

在我的页面上，我有以下漂亮的XML字符串：

<result>
    <category catKey="school_level">
        <category catKey="primary">
            <category catKey="primary_1">
                <category catKey="math_primary_1"/>
                <category catKey="chinese_primary_1"/>
            </category>
            <category catKey="primary_2"/>
            <category catKey="primary_3"/>
        </category>
        <category catKey="jc"/>
    </category>
</result>

我使用以下方法解析上面的字符串：

public static Document parseXml(String xml)
        throws ParserConfigurationException, IOException, SAXException {
    DocumentBuilderFactory docFactory = DocumentBuilderFactory.newInstance();
    docFactory.setNamespaceAware(false);
    docFactory.setValidating(false);
    docFactory.setFeature("http://xml.org/sax/features/namespaces", false);
    docFactory.setFeature("http://xml.org/sax/features/validation", false);
    docFactory.setFeature("http://apache.org/xml/features/nonvalidating/load-dtd-grammar", false);
    docFactory.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);

    DocumentBuilder docBuilder = docFactory.newDocumentBuilder();
    Document               doc = docBuilder.parse(new InputSource(new StringReader(xml)));
    return doc;
}

这是我的测试功能：

public void test() {
    Document doc = Test.parseXml("pretty-print-XML-string");

    NodeList childList = result.getDocumentElement().getChildNodes();
    for (int j = 0 ; j < childList.getLength() ; j++) {
        System.out.println("TEST: " + childList.item(j));
    }
}

我希望只能看到1个category子节点。但是，在控制台上，我看到以下几行：

INFO:   TEST 2: [#text: 
    ]
INFO:   TEST 2: [category: null]
INFO:   TEST 2: [#text: 
    ]
INFO:   TEST 2: [#text: 
]

如果我从lsSerializer.getDomConfig().setParameter("format-pretty-print", Boolean.TRUE);函数中删除convertDocumentToString，那么所有[#text:]个节点都不再出现。

如果有人能向我解释为什么解析文档中有一些[#text:]个节点，我将非常感激。另外，请给我一个关于如何解析漂亮的XML字符串的建议。

Answer 1

为了进行漂亮的打印，我们为您提供的内容添加了新的行和空格。

解析漂亮的打印XML时，会得到包含这些新行和空格的其他文本节点。

如果我没记错，你可以告诉DocumentBuilderFactory忽略空格节点。

Answer 2

空白（\n\t）是#text

只需跳过字符串值与\\s+匹配的文本节点和/或执行类似

的操作

public String unPretty(String pretty) { 
  return pretty.replaceAll(">\\s+<","><");
}

解析一个漂亮的XML字符串会产生奇怪的结果

2 个答案: