生成 XML 时如何保留 CDATA 中的换行符？

Question

我想将一些包含空格字符（例如 newline 和 tab）的文本写入 xml 文件中，所以我使用，

Element element = xmldoc.createElement("TestElement");
element.appendChild(xmldoc.createCDATASection(somestring));

但是当我在 using 中读回它时，

Node vs =  xmldoc.getElementsByTagName("TestElement").item(0);
String x = vs.getFirstChild().getNodeValue();

我得到一个字符串，其中包含不再有换行符。
当我直接查看磁盘上的 xml 时，换行符似乎被保留。 所以在读取xml文件的时候就会出现这个问题。

如何保留换行符？

谢谢！

Answer 1

我不知道您如何解析和编写文档，但这里有一个基于您的文档的增强代码示例：

// creating the document in-memory                                                        
Document xmldoc = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument();

Element element = xmldoc.createElement("TestElement");                                    
xmldoc.appendChild(element);                                                              
element.appendChild(xmldoc.createCDATASection("first line\nsecond line\n"));              

// serializing the xml to a string                                                        
DOMImplementationRegistry registry = DOMImplementationRegistry.newInstance();             

DOMImplementationLS impl =                                                                
    (DOMImplementationLS)registry.getDOMImplementation("LS");                             

LSSerializer writer = impl.createLSSerializer();                                          
String str = writer.writeToString(xmldoc);                                                

// printing the xml for verification of whitespace in cdata                               
System.out.println("--- XML ---");                                                        
System.out.println(str);                                                                  

// de-serializing the xml from the string                                                 
final Charset charset = Charset.forName("utf-16");                                        
final ByteArrayInputStream input = new ByteArrayInputStream(str.getBytes(charset));       
Document xmldoc2 = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(input);

Node vs =  xmldoc2.getElementsByTagName("TestElement").item(0);                           
final Node child = vs.getFirstChild();                                                    
String x = child.getNodeValue();                                                          

// print the value, yay!                                                                  
System.out.println("--- Node Text ---");                                                  
System.out.println(x);                                                                    

使用 LSSerializer 进行序列化是 W3C 的方法（参见此处）。 输出符合预期，带有行分隔符：

--- XML --- 
<?xml version="1.0" encoding="UTF-16"?>
<TestElement><![CDATA[first line
second line ]]></TestElement>
--- Node Text --- 
first line
second line

Answer 2

您需要使用node.getNodeType()检查每个节点的类型。 如果类型是 CDATA_SECTION_NODE，则需要将 CDATA 保护连接到 node.getNodeValue。

Answer 3

您不一定必须使用 CDATA 来保留空白字符。
XML 规范指定如何对这些字符进行编码。

因此，例如，如果您有一个值包含新空格的元素，您应该使用

回车符对其进行编码：

等等

Answer 4

编辑：删除所有不相关的内容

我很想知道您正在使用什么 DOM 实现，因为它没有反映我尝试过的几个 JVM 中的默认行为（它们附带 Xerces impl） 。 我也对您的文档有哪些换行符感兴趣。

我不确定 CDATA 是否应该保留空格。 我怀疑这涉及很多因素。 DTD/模式不会影响空白的处理方式吗？

您可以尝试使用 xml:space="preserve" 属性。

Answer 5

xml:space='preserve' 不是吗。 这仅适用于“所有空白”节点。 也就是说，如果您想要其中的空白节点，

<this xml:space='preserve'> <has/>
<whitespace/>
</this>

但请注意这些空白节点只是空白。

我一直在努力让 Xerces 生成允许隔离 CDATA 内容的事件。 我还没有解决办法。