java - Stax 将 Text+CDATA+Text 视为单个 CHARACTERS 部分

Question

使用 Stax，我惊讶地发现一个 XML 块，例如：

<badger>
    <![CDATA[Text about a badger]]>
</badger>

被视为：

START_ELEMENT (badger)
CHARACTERS (        Text about a badger    )
END_ELEMENT (badger)

即，CDATA 和周围的文本被展平为一个文本元素。未检测到 CDATA 元素。

这是正确的行为吗？如何将空格与 CDATA 分开？

我正在使用woodstox 实现。

score 4 · Accepted Answer

我怀疑您将属性 'XMLInputFactory.IS_COALESCING' 设置为 true （或者，正在使用默认启用它的 Woodstox 3.2 - 这不是默认的 stax 规范建议，即是一个小错误）。这会强制将 CDATA 转换为 CHARACTERS，并合并相邻的文本段（如果有）。

除此之外，Woodstox 确实将 CDATA 部分报告为不同的；但 Stax 规范对转换有一些“有趣”的要求——专家组的成员似乎不喜欢 CDATA 的处理方式与 CHARACTERS 有任何不同。

所以：如果您确实想单独报告它们，请确保禁用 IS_COALESCING：

inputFactory.setProperty(XMLInputFactory.IS_COALESCING, Boolean.FALSE);

score 3 · Accepted Answer

CDATA 不是元素；它是一种转义机制，告诉 XML 解析器不要费心在该部分中寻找嵌套标签。这对于包含 < 和 & 等字符的文本很有用，以避免繁琐地单独转义它们，或者因为其他一些原因导致正常转义序列不起作用。

score 0 · Accepted Answer

我不知道 woodstox 的实现，但是这个在 2006 年解决的 bug仍然是一个因素吗？您是否设置了可选的report-cdata-event 属性？

（另请参阅有关类似问题的此消息。）

3 回答 3