Question

<node> test
    test
    test
</node>

我希望我的XML解析器读取<node>和

中的字符

将换行符和制表符替换为空格，并将多个空格合并为一个空格。结果，文本应该类似于＆＃34;测试测试＆＃34;。
如果节点包含XML编码字符：标签（	），换行符（
）或空格（） - 则应将其留下。

我正在尝试下面的代码，但它会保留重复的空格。

  dbf = DocumentBuilderFactory.newInstance();
  dbf.setIgnoringComments( true );
  dbf.setNamespaceAware( namespaceAware );
  db = dbf.newDocumentBuilder();
  doc = db.parse( inputStream );

以任何方式做我想做的事吗？

谢谢！

Answer 1

第一部分 - 替换多个空格 - 相对容易，但我不认为解析器会为你做这些：

InputSource stream = new InputSource(inputStream);
XPath xpath = XPathFactory.newInstance().newXPath();
Document doc = (Document) xpath.evaluate("/", stream, XPathConstants.NODE);

NodeList nodes = (NodeList) xpath.evaluate("//text()", doc,
    XPathConstants.NODESET);
for (int i = 0; i < nodes.getLength(); i++) {
  Text text = (Text) nodes.item(i);
  text.setTextContent(text.getTextContent().replaceAll("\\s{2,}", " "));
}

// check results
TransformerFactory.newInstance()
    .newTransformer()
    .transform(new DOMSource(doc), new StreamResult(System.out));

这是困难的部分：

如果节点包含XML编码字符：标签（	），换行符（
）或空格（） - 它们应该保留。

解析器将始终将"	"转换为"\t" - 您可能需要编写自己的XML解析器。

According to的作者{p {3}}：

我认为任何XML解析器都不会报告应用程序的数字字符引用 - 它们将始终展开。实际上，您的应用程序不应该关心这一点，而不是关心属性之间有多少空格。

删除XML字符元素中的重复换行符/制表符/空格

1 个答案: