如何防止 XML Transformer 改变行尾答案

【问题标题】：how to prevent XML Transformer from changing line endings如何防止 XML Transformer 改变行尾
【发布时间】：2013-01-07 20:42:36
【问题描述】：

我有一个编辑 xml 文件的方法。该方法的大致思路是：

public void process(Path anXmlFile) {
    try {
        anXmlFile= anXmlFile.normalize();
        log.debug("processing {}",anXmlFile);
        Document dom = buildDOM(anXmlFile.toFile());

        //do stuff with dom...
        //delete original file
        //and finally ...
        dom.normalize(); //so we get a more predictable order

        Transformer transformer = transformerFactory.newTransformer();
        transformer.setOutputProperty(OutputKeys.ENCODING,"UTF-8");
        transformer.setOutputProperty(OutputKeys.INDENT,"yes");
        Source source = new DOMSource(dom);
        Result result = new StreamResult(anXmlFile.toFile());
        transformer.transform(source, result);
    } catch (Exception e) {
        throw new IllegalStateException(e);
    }
}

我的问题是，如果我对在某一行打开并在下一行关闭的 xml 有一个多行注释（注意换行符）：

<!-- this is a long comment[cr][lf] 
     that spans 2 lines -->

在我写出修改后的 DOM 之后，结果将是：

<!-- this is a long comment[cr] 
     that spans 2 lines -->

问题是 [cr][lf] 变成了 [cr]。这是 xml 中唯一以这种方式受到影响的部分。所有其他行尾都与原始 ([cr][lf]) 相同 - 即使是我修改过的那些（我的代码不会更改 DOM 中的注释节点）。

我可以为我创建的 Transformer 提供任何配置选项来避免这种情况吗？这都是使用 JDK 类完成的，不涉及 xml 库。

【问题讨论】：

XML 规范要求解析器的这种行为；请参阅End-of-Line Handling 部分。
@McDowell 哇，他们太傻了。是否有任何解析器可以选择忽略这一点并给我一致的换行符？
但是，这是关于 DOM 树的序列化，因此该规范并不真正适用。
@forty-2 公平点，但我希望它解释了默认行为。我注意到LSSerializer 有一个设置行尾顺序的选项。

标签： java xml dom

【解决方案1】：

XML 规范要求 XML 处理器（解析器）用单个 \n 替换 \r\n 或仅替换 \r。因此，如果您检查您的 DOM 文本节点，您会发现您只有 \n 作为行尾。

在序列化 DOM 树时，大多数实现在编写 字符数据 中出现的换行符时使用平台默认值，或者它们为您提供了显式设置行尾字符串的选项。但是，注释文本不是字符数据；字符只是按原样写入，没有任何其他处理。至少，这是大多数序列化程序的行为方式。

如果它非常重要，您可以切换到 JDOM 并扩展 AbstractXMLOutputProcessor 以改变 cmets 的编写方式。

【讨论】：