Question

使用Stax，我很惊讶地发现了一个XML块，例如：

<badger>
    <![CDATA[Text about a badger]]>
</badger>

被视为：

START_ELEMENT (badger)
CHARACTERS (        Text about a badger    )
END_ELEMENT (badger)

即，将CDATA和周围文本展平为一个文本元素。没有检测到CDATA元素。

这是正确的行为吗？如何将空格与CDATA分开？

我正在使用woodstox实现。

Answer 1

CDATA不是一个元素;它是一种逃避机制，告诉XML解析器不要在该部分中寻找嵌套标签。这对包含＆lt;等字符的文本很有用。和＆amp ;,以避免繁琐地单独逃避它们，或者因为还有其他原因导致正常的转义序列不起作用。

Answer 2

我怀疑你将属性'XMLInputFactory.IS_COALESCING'设置为true（或者，正在使用默认启用它的Woodstox 3.2 - 这不是默认的stax规范建议，即是一个小错误）。这会强制将CDATA转换为CHARACTERS，并合并相邻的文本段（如果有的话）。

除此之外，Woodstox确实报告CDATA部分不同;但是Stax规范对于convesion有一些“有趣的”要求 - 专家组的成员似乎不喜欢CDATA与CHARACTERS处理不同的想法。

所以：如果你确实希望将它们分开报告，请确保禁用IS_COALESCING：

inputFactory.setProperty(XMLInputFactory.IS_COALESCING, Boolean.FALSE);

Answer 3

我不知道woodstox的实现，但2006年解决的this bug仍然是一个因素吗？ 您是否设置了可选的report-cdata-event property？

（另请参阅this message有关类似问题的内容。）