xml - 为什么 Apache Xerces/Xalan 向我的序列化输出添加额外的回车符？

Question

我使用的是 Apache Xerces 2.11.0 和 Apache Xalan 2.7.1，我在序列化 XML 中遇到额外的回车符问题。

我有这个(伪)代码:

String myString = ...;
Document doc = ...;

Element item = doc.createElement("item");
item.appendChild(doc.createCDATASection(myString));

Transformer transformer = ...;
ByteArrayOutputStream stream = new ByteArrayOutputStream();
Result result = new StreamResult(stream);
transformer.transform(new DOMSource(document), result);

现在 myString 包含换行符 (\r\n)，(实际上它是 base64 编码的数据)但是当我查看序列化输出时，还有额外的 \r 个字符。

输入:

Line 1 \r\n
Line 2 \r\n
Line 3 \r\n

输出:

Line 1 \r\r\n
Line 2 \r\r\n
Line 3 \r\r\n

如果我使用 createTextNode 而不是 createCDATASection，输出会变得更加有趣:

Line 1 
\r\n
Line 2 
\r\n
Line 3 
\r\n

附加字符似乎是在序列化时引入的，DOM树似乎是正确的。 (根据 getTextContent())

为什么会这样？我该怎么做才能解决这个问题？

Answer 1

我猜你是在 Windows 上遇到这个问题，而不是在 Linux/Solaris/Mac 上。 Xalan 序列化程序 (org.apache.xml.serializer.ToStream.java) 使用 System.getProperty("line.separator") 获取行分隔符。当序列化程序写入\r\n 时，它会将\n 解释为行序列的结尾，而实际上它会写入\r+lineSeparator =\r\r\n。虽然这听起来很奇怪，但这不是错误，请参见 [1]。但由于这经常被报告为错误，因此添加了一个 xalan 扩展属性 [2]。所以你可以编程设置:

transformer.setOutputProperty("{http://xml.apache.org/xalan}line-separator","\n");

或

<xsl:output xalan:line-separator="&#10;" />

其中 xalan 是与 URL“http://xml.apache.org/xalan”关联的前缀。

[1] https://issues.apache.org/jira/browse/XALANJ-1660

[2] https://issues.apache.org/jira/browse/XALANJ-2093