Question

我正在使用下面的函数将DOM Document对象转换为Java中的String。

public static String convertDocumentToString(final Document doc) {
    final DOMImplementationLS domImplementation = (DOMImplementationLS) doc.getImplementation();
    final LSSerializer lsSerializer = domImplementation.createLSSerializer();
    lsSerializer.getDomConfig().setParameter("format-pretty-print", Boolean.TRUE);
    final String xml = lsSerializer.writeToString(doc);

    return xml;
}

这在大多数情况下效果很好，但是有一些我不想格式化的特定元素（例如屏幕DocBook元素）。所以我有两个问题：

在Java中格式化XML时是否有办法跳过某些元素，如上面的代码？
如果没有，是否有另一种方法将文档转换为字符串，同时保留任意元素的布局？

请注意，我过去也使用过Transformer（请参阅Getting xml string from Document in Java），但这并未保留CDATA部分。

更新

我很清楚，我正在反序列化和序列化XML，以便创建一个可以通过DOM以编程方式编辑的Document对象，序列化过程最好“漂亮地打印”生成的XML（除了一些任意的）元件）。

更新2：

最后，我创建了一个自定义函数，将Node转换为具有可选格式的String。请参阅https://sourceforge.net/p/commonclasses/code/110/tree/trunk/src/com/redhat/ecs/commonutils/XMLUtilities.java处的convertNodeToString函数，如下所示：

final String exampleXml = FileUtilities.readFileContents(new File("test.xml"));

final ArrayList<String> contentsInlineElements = new ArrayList<String>();
contentsInlineElements.add("title");
contentsInlineElements.add("term");

final ArrayList<String> inlineElements = new ArrayList<String>();
inlineElements.add("prompt");
inlineElements.add("command");
inlineElements.add("firstterm");
inlineElements.add("ulink");
inlineElements.add("guilabel");
inlineElements.add("filename");
inlineElements.add("replaceable");
inlineElements.add("parameter");
inlineElements.add("literal");
inlineElements.add("classname");
inlineElements.add("sgmltag");
inlineElements.add("guibutton");
inlineElements.add("guimenuitem");
inlineElements.add("guimenu");
inlineElements.add("menuchoice");
inlineElements.add("citetitle");

final ArrayList<String> verbatimElements = new ArrayList<String>();
verbatimElements.add("screen");
verbatimElements.add("programlisting");

final Document doc = XMLUtilities.convertStringToDocument(exampleXml);
final String formattedXml = XMLUtilities.convertNodeToString(doc.getDocumentElement(), true, false, false, verbatimElements, inlineElements, contentsInlineElements, true, 1, 0);

Answer 1

序列化旨在通过传输介质获取数据，但不一定（甚至通常）以与输入数据形式相符的方式获取数据，如果该形式根据定义不携带任何额外信息（原样） XML文档的情况）。

如果你需要继承设计，你必须将这个“元”信息（即格式）编码到数据本身，例如通过转移空白等。也许是最简单的解决方案，但是让你不要简单地“阅读”（就像你的眼睛一样）传输流，就是用像Base64这样的格式化数据进行编码。这将完美地在XML包装器内传输，同时保留您输入编码器的原始输入数据的保真度。

另一方面，当然，您必须再次对数据进行解码，然后才能继续进行处理。

Answer 2

简短的回答：你做不到。当你告诉序列化程序要漂亮打印时，你要说明元素间空格的使用（即，它是可忽略的）。

答案越长：你不能不修改DOM（或它的副本）。 IMO最简单的方法如下：

标识要保留的节点。我假设你有一个ID或其他方法来使用XPath选择它。
调用Document.adoptNode()将该节点移动到新DOM中。我记得这个方法存在一些问题，但那是很多年前的事了。如果它不起作用，请使用Document.importNode()并从源文档中显式删除该节点。我相信您可以采用节点作为文档的根目录，但不能保证。
将文本节点插入包含唯一内容的原始文档。生成唯一内容的简便方法是UUID.randomUUID().toString()。
将两个文档转换为字符串，漂亮打印一个，而不是另外打印另一个。
使用String.replace()将漂亮打印的文档插入漂亮的文档中。

而且，与往常一样，如果您计划将这些字符串写入文件或其他面向字节的格式，则必须显式编码为UTF-8。

Answer 3

在CDATA部分以外的XML文档中，空格并不重要，并且没有一个标准工具可以保留它。任何相反的要求都是不正确的。

在Java中序列化Document对象，同时保留任意元素的格式

3 个答案: