如何从 XML 文件中删除多余的空行？

Question

简而言之；我在 XML 文件中生成了许多空行，我正在寻找一种将它们删除的方法，以作为倾斜文件的一种方式。我该怎么做？

详细解释；我目前有这个 XML 文件：

<recent>
  <paths>
    <path>path1</path>
    <path>path2</path>
    <path>path3</path>
    <path>path4</path>
  </paths>
</recent>

我使用这个 Java 代码删除所有标签，并添加新标签：

public void savePaths( String recentFilePath ) {
    ArrayList<String> newPaths = getNewRecentPaths();
    Document recentDomObject = getXMLFile( recentFilePath );  // Get the <recent> element.
    NodeList pathNodes = recentDomObject.getElementsByTagName( "path" );   // Get all <path> nodes.

    //1. Remove all old path nodes :
        for ( int i = pathNodes.getLength() - 1; i >= 0; i-- ) { 
            Element pathNode = (Element)pathNodes.item( i );
            pathNode.getParentNode().removeChild( pathNode );
        }

    //2. Save all new paths :
        Element pathsElement = (Element)recentDomObject.getElementsByTagName( "paths" ).item( 0 );   // Get the first <paths> node.

        for( String newPath: newPaths ) {
            Element newPathElement = recentDomObject.createElement( "path" );
            newPathElement.setTextContent( newPath );
            pathsElement.appendChild( newPathElement );
        }

    //3. Save the XML changes :
        saveXMLFile( recentFilePath, recentDomObject ); 
}

多次执行此方法后，我得到一个结果正确的 XML 文件，但在“路径”标记之后和第一个“路径”标记之前有许多空行，如下所示：

<recent>
  <paths>





    <path>path5</path>
    <path>path6</path>
    <path>path7</path>
  </paths>
</recent>

有人知道怎么解决吗？

------------------------------------------ 编辑：添加getXMLFile(...)、saveXMLFile(...)代码。

public Document getXMLFile( String filePath ) { 
    File xmlFile = new File( filePath );

    try {
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        DocumentBuilder db = dbf.newDocumentBuilder();
        Document domObject = db.parse( xmlFile );
        domObject.getDocumentElement().normalize();

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

    return null;
}

public void saveXMLFile( String filePath, Document domObject ) {
    File xmlOutputFile = null;
    FileOutputStream fos = null;

    try {
        xmlOutputFile = new File( filePath );
        fos = new FileOutputStream( xmlOutputFile );
        TransformerFactory transformerFactory = TransformerFactory.newInstance();
        Transformer transformer = transformerFactory.newTransformer();
        transformer.setOutputProperty( OutputKeys.INDENT, "yes" );
        transformer.setOutputProperty( "{http://xml.apache.org/xslt}indent-amount", "2" );
        DOMSource xmlSource = new DOMSource( domObject );
        StreamResult xmlResult = new StreamResult( fos );
        transformer.transform( xmlSource, xmlResult );  // Save the XML file.
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    } catch (TransformerConfigurationException e) {
        e.printStackTrace();
    } catch (TransformerException e) {
        e.printStackTrace();
    } finally {
        if (fos != null)
            try {
                fos.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
    }
}

Answer 1

首先，解释一下为什么会发生这种情况——这可能有点离题，因为您没有包含用于将 XML 文件加载到 DOM 对象中的代码。

根据 DOM 规范，当您从文件中读取 XML 文档时，标签之间的空格实际上构成了有效的 DOM 节点。因此，XML 解析器将每个这样的空白序列视为一个 DOM 节点（TEXT 类型）；

要摆脱它，我可以想到三种方法：

• 将 XML 与架构相关联，然后在 DocumentBuilderFactory 上使用 setValidating(true) 和 setIgnoringElementContentWhitespace(true)。

  （注意：setIgnoringElementContentWhitespace 仅在解析器处于验证模式时才有效，这就是为什么您必须使用 setValidating(true)）

• 编写一个 XSL 来处理所有节点，过滤掉只有空格的 TEXT 节点。

• 使用 Java 代码执行此操作：使用 XPath 查找所有纯空格 TEXT 节点，遍历它们并从其父节点中删除每个节点（使用 getParentNode().removeChild()）。这样的事情会做（doc 将是您的 DOM 文档对象）：

  XPath xp = XPathFactory.newInstance().newXPath();
  NodeList nl = (NodeList) xp.evaluate("//text()[normalize-space(.)='']", doc, XPathConstants.NODESET);
  
  for (int i=0; i < nl.getLength(); ++i) {
      Node node = nl.item(i);
      node.getParentNode().removeChild(node);
  }
  

Answer 2

在删除所有旧的“路径”节点后，我可以通过使用此代码来解决此问题：

while( pathsElement.hasChildNodes() )
    pathsElement.removeChild( pathsElement.getFirstChild() );

这将删除 XML 文件中所有生成的空格。

特别感谢 MadProgrammer 对上述有用链接的评论。

Answer 3

如果您只需要快速“清理”您的 xml，您可以查看 this 之类的内容。 然后你可以有这样的方法：

public static String cleanUp(String xml) {
    final StringReader reader = new StringReader(xml.trim());
    final StringWriter writer = new StringWriter();
    try {
        XmlUtil.prettyFormat(reader, writer);
        return writer.toString();
    } catch (IOException e) {
        e.printStackTrace();
    }
    return xml.trim();
}

另外，比较anche检查差异，如果你需要它：XMLUnit

Answer 4

我遇到了同样的问题，很长一段时间我都不知道，但现在，在布拉德的这个问题和他自己对他自己问题的回答之后，我发现了问题所在。

我必须添加我自己的答案，因为布拉德的答案并不完美，艾萨克怎么说：

我不会喜欢盲目地删除子节点而不知道它们是什么

因此，更好的“解决方案”（引用是因为它更有可能是解决方法）是：

pathsElement.setTextContent("");

这完全删除了无用的空行。这绝对比删除所有子节点要好。布拉德，这应该也适合你。

但是，这是一个结果，而不是原因，我们知道如何消除这个结果，而不是原因。

原因是：当我们调用removeChild() 时，它删除了这个孩子，但是它留下了被删除的孩子的缩进，并且还有换行符。而这个 indent_and_like_break 被当作文本内容处理。

所以，要消除原因，我们应该弄清楚如何消除孩子及其缩进。欢迎来到我的question about this。

Answer 5

如果使用 DOM 处理 API（例如 DOM4J），有一种非常简单的方法可以去除空行：

• 将要保留的文本放入变量中（即text）
• 使用node.setText("")将节点文本设置为“”
• 使用node.setText(text)将节点文本设置为text

瞧！没有更多的空行。其他答案很好地描述了 xml 输出中额外的空行实际上是文本类型的额外节点。

这种技术可以用于任何 DOM 解析系统，只要将文本设置函数的名称更改为适合您 API 中的名称，因此表示它的方式稍微抽象一点。

希望这会有所帮助:)

Answer 6

几点说明： 1）当您操作 XML（删除元素/添加新元素）时，我强烈建议您使用 XSLT（而不是 DOM） 2) 当您通过 XSLT 转换 XML 文档时（就像您在保存方法中所做的那样），将 OutputKeys.INDENT 设置为“no” 3) 对于 xml 的简单后处理（删除空格、cmets 等），您可以使用简单的 SAX2 过滤器

Answer 7

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setIgnoringElementContentWhitespace(true);

Answer 8

我正在使用以下代码：

System.out.println("Start remove textnode");
        i=0;
        while (parentNode.getChildNodes().item(i)!=null) {
            System.out.println(parentNode.getChildNodes().item(i).getNodeName());
            if (parentNode.getChildNodes().item(i).getNodeName().equalsIgnoreCase("#text")) {
                parentNode.removeChild(parentNode.getChildNodes().item(i));
                System.out.println("text node removed");
            }
            i=i+1;

        }

Answer 9

当我使用 dom4j 删除一些元素时，我遇到了同样的问题，上面的解决方案在不添加其他一些必需的 jar 的情况下没有用。最后，我找到了一个简单的解决方案，只需要使用 JDK io pakage：

1. 使用 BufferedReader 读取 xml 文件并过滤空行。

StringBuilder stringBuilder = new StringBuilder();
FileInputStream fis = new FileInputStream(outFile);
InputStreamReader isr = new InputStreamReader(fis);
BufferedReader br = new BufferedReader(isr);
String s;
while ((s = br.readLine()) != null) {
  if (s.trim().length() > 0) {
    stringBuilder.append(s).append("\n");
  }
}

1. 将字符串写入xml文件

OutputStreamWriter osw = new OutputStreamWriter(fou);
BufferedWriter bw = new BufferedWriter(osw);
String str = stringBuilder.toString();
bw.write(str);
bw.flush();

1. 记得关闭所有流

Answer 10

在我的例子中，我将它转换为一个字符串，然后只是做了一个正则表达式：

        //save as String
        StringWriter writer = new StringWriter();
        StreamResult result = new StreamResult(writer);
        tr.transform(new DOMSource(document), result);
        strResult = writer.toString();

        //remove empty lines 
        strResult = strResult.replaceAll("\\n\\s*\\n", "\n");

Answer 11

很晚的答案，但也许它仍然对某人有帮助。

我的课堂上有这段代码，文档是在转换后构建的（就像你一样）：

TransformerFactory tFactory = TransformerFactory.newInstance();
Transformer transformer = tFactory.newTransformer();
transformer.setOutputProperty(OutputKeys.INDENT, "yes");

将最后一行改为

transformer.setOutputProperty(OutputKeys.INDENT, "no");