为什么 Java 中的 XML Dom 会报告额外的节点？

Question

我有一个简单的 XML 表示形式，如下表所示。当我仅使用代码（包含在下面）遍历顶层时。我得到 5 个节点，而事实上提供的示例中只有 2 个（theader 和 tbody）。有人可以解释一下为什么吗？

package testparser;
import java.io.FileInputStream;
import java.io.InputStream;
import java.util.Vector;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;

public class TestParser {
    private static final int FILE_small = 1;
    private static final int FILE_medium = 2;
    private static final int FILE_large = 3;
    /**
     * @param args
     */
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        doDomTest(1);

    }
    private static void doDomTest(int sizeId) {
        String filename = getFileNameFromId(sizeId);

        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        try {
            DocumentBuilder db = dbf.newDocumentBuilder();
            FileInputStream fis = new FileInputStream(filename);
            Document doc = db.parse(fis);

            Element topElement = doc.getDocumentElement();

            NodeList nl = topElement.getChildNodes();

            int ilen = nl.getLength();
            print("Top Element count " + ilen);
            for (int i=0;i<ilen;i++){
                Node node = nl.item(i);
                if (node.getNodeType()==Node.TEXT_NODE) {
                    print(i + ". Name:" + node.getNodeName() + "= " + node.getNodeValue() + ". type " + node.getNodeType());
                } else {
                    print(i + ". Name:" + node.getNodeName() + ", type " + node.getNodeType());
                }
            }


        } catch (Exception e) {
            e.printStackTrace();
        }

    }


    private static String getFileNameFromId(int sizeId) {
        String sReturn = "";
        switch (sizeId) {
        case FILE_small:
            sReturn = "D:/temp/testdata_ok.xml";
            break;
        case FILE_medium:
            sReturn = "D:/temp/testdata_ok.xml";
            break;
        case FILE_large:
            sReturn = "D:/temp/testdata_ok.xml";
            break;
        }
        return sReturn;
    }

    private static void print(String sValue) {
        System.out.println(sValue);
    }  
}

测试数据

<?xml version="1.0" encoding="utf-8"?>
<table>
    <theader>
        <tr>
            <th>Title Col1</th>
            <th>Title Col2</th>
            <th>Title Col3</th>
            <th>Title Col4</th>
        </tr>
    </theader>
    <tbody>
        <tr>
            <td>data:R1C1</td>
            <td>data:R1C2</td>
            <td>data:R1C3</td>
            <td>data:R1C4</td>
        </tr>
        <tr>
            <td>data:R2C1</td>
            <td>data:R2C2</td>
            <td>data:R2C3</td>
            <td>data:R2C4</td>
        </tr>
        <tr>
            <td>data:R3C1</td>
            <td>data:R3C2</td>
            <td>data:R3C3</td>
            <td>data:R3C4</td>
        </tr>
        <tr>
            <td>data:R4C1</td>
            <td>data:R4C2</td>
            <td>data:R4C3</td>
            <td>data:R4C4</td>
        </tr>
        <tr>
            <td>data:R5C1</td>
            <td>data:R5C2</td>
            <td>data:R5C3</td>
            <td>data:R5C4</td>
        </tr>
    </tbody>
</table>

控制台输出

Top Element count 5
0. Name:#text= 
    . type 3
1. Name:theader, type 1
2. Name:#text= 
    . type 3
3. Name:tbody, type 1
4. Name:#text= 
. type 3

请注意输出中如何报告 theader 和 tbody（第 1 行和第 3 行），但我也有项目 0,2 和 4。为什么需要额外的节点？我本来期望只列出 0 和 1 的行，分别表示 theader 和 tbody。

“type 1”/“type 3”表示也打印在输出中的“getNodeType()”方法的值。我发现 getNodeType() 含义 这里。

我使用的是 JDK 1.6.0u24

Answer 1

这三个额外节点是表示空白的文本节点：

• 之间和


• 之间 之间和，以及
• 和之间。

我对此不确定，但我认为您可以通过调用

    dbf.setIgnoringElementContentWhitespace(true);

Read javadoc，注意说明解析器必须处于验证模式的位...

Answer 2

正如您的输出所示，这些是 table 和 theader / tbody 元素之间的空格。如果没有 DTD 或模式，解析器不知道可以忽略这些空格。您必须在解析器代码中跳过这些节点。