Come mantenere gli spazi bianchi prima dell'elemento del documento durante l'analisi con Java?

Question

Nella mia applicazione, ho alterare una parte del file XML, che iniziano in questo modo:

<?xml version="1.0" encoding="UTF-8"?> 
<!-- $Id: version control yadda-yadda $ --> 

<myElement> 
... 

Nota la riga vuota prima <myElement>. Dopo il caricamento, alterazione e risparmio, il risultato è tutt'altro che gradevole:

<?xml version="1.0" encoding="UTF-8"?> 
<!-- $Id: version control yadda-yadda $ --><myElement> 
... 

ho scoperto che lo spazio bianco (una nuova riga) tra la testa e il nodo documento non è rappresentato nel DOM affatto. Il seguente codice autonomo riproduce il problema in modo affidabile:

String source = 
    "<?xml version=\"1.0\" encoding=\"UTF-16\"?>\n<!-- foo -->\n<empty/>"; 
byte[] sourceBytes = source.getBytes("UTF-16"); 

DocumentBuilder builder = 
    DocumentBuilderFactory.newInstance().newDocumentBuilder(); 
Document doc = 
    builder.parse(new ByteInputStream(sourceBytes, sourceBytes.length)); 

DOMImplementationLS domImplementation = 
    (DOMImplementationLS) doc.getImplementation(); 
LSSerializer lsSerializer = domImplementation.createLSSerializer(); 
System.out.println(lsSerializer.writeToString(doc)); 

// output: <?xml version="1.0" encoding="UTF-16"?>\n<!-- foo --><empty/> 

Qualcuno ha un'idea di come evitare questo? Essenzialmente, voglio che l'output sia lo stesso dell'input. (So ​​che la dichiarazione xml verrà rigenerata perché non fa parte del DOM, ma non è un problema qui.)

Answer 1

La causa principale è che lo standard DOM Level 3 non può rappresentare i nodi di testo come figli di un documento senza rompere la spec. Gli spazi bianchi verranno eliminati da qualsiasi parser compatibile.

Document -- 
    Element (maximum of one), 
    ProcessingInstruction, 
    Comment, 
    DocumentType (maximum of one) 

Se avete bisogno di una soluzione conforme agli standard e l'obiettivo è invece di leggibilità riproduzione 100%, vorrei cercare nel vostro meccanismo di uscita.

Answer 2

In generale, gli spazi bianchi sono considerati irrilevanti in XML e pertanto non vengono conservati quando viene analizzato un file XML . La maggior parte delle librerie che generano XML hanno un'opzione per l'output con una buona formattazione e indentazioni corrette ma sarà sempre abbastanza generica. No "avere una linea in più a destra qui".

Answer 3

Perché vuoi evitare questo?

Il white-space al di fuori del tag/elementi è definito come insignificanti dalle specifiche. Semplicemente non esiste, per quanto riguarda l'infoset che è rappresentato dal tuo DOM.

conseguenza, sulla serializzazione nuovamente il DOM, non sarà lì.

Se siete nel processo di sviluppo di qualcosa che si basa su questa linea vuota ... non.

Answer 4

Ho avuto lo stesso problema. La mia soluzione era scrivere il mio parser XML: DecentXML

Caratteristica principale: può conservare al 100% l'input originale, spazi bianchi, entità, tutto. Non ti darà fastidio con i dettagli, ma se il tuo codice ha bisogno di generare XML come questo:

<element 
    attr="some complex value" 
    /> 

quindi puoi.

Answer 5

Sono d'accordo con Kris e Tomalak, la riga vuota, non è rilevante dal punto di vista XML. Se l'applicazione deve produrre una riga vuota nell'output, suggerirei di rivedere la necessità di tale requisito.

In ogni caso, se si vuole ancora che appaia riga vuota, vorrei suggerire di scaricare il codice sorgente del parser XML che si sta utilizzando e modificare tale comportamento. Ma tieni presente che questo non è XML standard e non sarà compatibile con altre applicazioni.

• Jdom Source
• Dom4j Source check org.dom4j.io.DOMWriter