如何在读取文件以生成XML DOM时忽略空白

__ignoringElementContentWhitespace_ 全部的 纯空白文本节点,只有父节点在模式中描述为具有元素内容的空白节点,也就是说,它们只包含其他元素,而不包含文本。

如果您没有使用模式(DTD或XSD),那么元素内容默认为mixed,因此此参数将不会有任何效果。(除非解析器提供非标准DOM扩展,以将所有未知元素视为包含元素内容,据我所知,Java可用的元素不包含这些元素内容。)

您可以在进入解析器的过程中对文档进行黑客攻击,以包含模式信息,例如,通过向<添加内部子集!文档类型…[…]gt;声明包含<!元素…>声明,然后使用ignoringElementContentWhitespace参数。

或者,可能更容易,您可以在后期处理中或者在使用lsparserfilter时除去空白节点。

这是一个(真的)迟来的答案,但这里是我如何解决的。我自己编写了一个 NodeList 班级。它只忽略空的文本节点。代码如下:

private static class NdLst implements NodeList, Iterable<Node> {

    private List<Node> nodes;

    public NdLst(NodeList list) {
        nodes = new ArrayList<Node>();
        for (int i = 0; i < list.getLength(); i++) {
            if (!isWhitespaceNode(list.item(i))) {
                nodes.add(list.item(i));
            }
        }
    }

    @Override
    public Node item(int index) {
        return nodes.get(index);
    }

    @Override
    public int getLength() {
        return nodes.size();
    }

    private static boolean isWhitespaceNode(Node n) {
        if (n.getNodeType() == Node.TEXT_NODE) {
            String val = n.getNodeValue();
            return val.trim().length() == 0;
        } else {
            return false;
        }
    }

    @Override
    public Iterator<Node> iterator() {
        return nodes.iterator();
    }
}

然后你把你所有的 NODLIST 在这个类中,它将有效地忽略所有空白节点。(我将其定义为具有0长度修剪文本的文本节点。)

它还具有能够在for-each循环中使用的附加好处。

我做这个使它起作用

DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
        dbFactory.setIgnoringElementContentWhitespace(true);
        dbFactory.setSchema(schema);
        dbFactory.setNamespaceAware(true);
NodeList nodeList = element.getElementsByTagNameNS("*", "associate");

我最终跟随@bobince使用lsparserfilter的想法。是的,接口记录在 https://docs.oracle.com/javase/7/docs/api/org/w3c/dom/ls/LSParserFilter.html 但是很难找到好的例子/解释材料。经过大量搜索,我找到了dom级别3加载和保存XML参考指南 http://www.informit.com/articles/article.aspx?p=31297&seqNum=29 (Nicholas Chase,2003年3月14日)。这对我有很大帮助。下面是我的代码的一些部分,它使用org.custommonkey.xmlunit执行XML diff。(这是我自己写的一个工具,用来帮助我做有报酬的工作,所以我留下了很多东西,比如更好的异常处理,当事情进展缓慢时。)

我特别喜欢使用lsparserfilter,因为出于我的目的,我将来可能还会添加一个选项来忽略ID属性,这应该是这个框架的一个简单增强。

// A small portion of my main class.
// Other imports may be necessary...
import org.w3c.dom.bootstrap.DOMImplementationRegistry;
import org.w3c.dom.ls.DOMImplementationLS;
import org.w3c.dom.ls.LSParser;
import org.w3c.dom.ls.LSParserFilter;

Document controlDoc = null;
Document testDoc = null;
try {
    System.setProperty(DOMImplementationRegistry.PROPERTY, "org.apache.xerces.dom.DOMImplementationSourceImpl");
    DOMImplementationRegistry registry = DOMImplementationRegistry.newInstance();
    DOMImplementationLS impl = (DOMImplementationLS) registry.getDOMImplementation("LS");
    LSParser builder = impl.createLSParser(DOMImplementationLS.MODE_SYNCHRONOUS, null);
    LSParserFilter filter = new InputFilter();
    builder.setFilter(filter);
    controlDoc = builder.parseURI(files[0].getPath());
    testDoc = builder.parseURI(files[1].getPath());
} catch (Exception exc) {
    System.out.println(exc.getMessage());
}

//--------------------------------------

import org.w3c.dom.ls.LSParserFilter;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.traversal.NodeFilter;

public class InputFilter implements LSParserFilter {

    public short acceptNode(Node node) {
        if (Utils.isNewline(node)) {
            return NodeFilter.FILTER_REJECT;
        }
        return NodeFilter.FILTER_ACCEPT;
    }

    public int getWhatToShow() {
        return NodeFilter.SHOW_ALL;
    }

    public short startElement(Element elem) {
        return LSParserFilter.FILTER_ACCEPT;
    }

}

//-------------------------------------
// From my Utils.java:

    public static boolean isNewline(Node node) {
        return (node.getNodeType() == Node.TEXT_NODE) && node.getTextContent().equals("\n");
    }

试试这个:

private static Document prepareXML(String param) throws ParserConfigurationException, SAXException, IOException {

        param = param.replaceAll(">\\s+<", "><").trim();
        DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
        factory.setIgnoringElementContentWhitespace(true);
        DocumentBuilder builder = factory.newDocumentBuilder();
        InputSource in = new InputSource(new StringReader(param));
        return builder.parse(in);

    }