XML的空白字符(Whitespace)处理规则是什么，解析器如何对待换行和缩进？

XML解析器对空白字符的处理取决于内容模型、xml:space属性及解析器策略；默认执行规范化（换行缩进变空格、压缩多空、首尾剥离），仅mixed content或xml:space="preserve"可保留原始空白。

XML解析器对空白字符的处理取决于这些空白是否出现在元素内容中，以及元素是否被声明为mixed content（混合内容）或具有特定的xml:space属性。换行和缩进本身不是语法错误，但是否保留、忽略或规范化，由上下文和解析器策略共同决定。

默认情况下：空白可能被“规范化”或“忽略”

根据XML 1.0规范，解析器在读取标记内容（character data）时，会执行空白规范化（whitespace normalization）：

• 将所有制表符（\t）、回车（\r）、换行（\n）统一视为空格字符（ ）；
• 将连续多个空白字符（包括换行缩进）压缩为单个空格；
• 开头和结尾的空白会被剥离（trim），除非该元素被定义为preserved whitespace。

这种行为只适用于element content（即元素标签之间的纯文本，且该元素在DTD或Schema中被声明为仅含子元素、不含混合文本）。例如：

默认解析后，文本内容通常变成"Hello world"（首尾去空、中间多空变一空）。

如何保留换行和缩进：使用xml:space="preserve"

可在任意元素上显式声明xml:space="preserve"，告诉解析器：该元素及其所有后代中的所有空白字符（包括换行、缩进、多个空格）都应原样保留。

AdsGo AI

全自动 AI 广告专家，助您在数分钟内完成广告搭建、优化及扩量

下载

• 这是W3C标准支持的机制，无需依赖特定解析器扩展；
• 常用于<pre>、<code>、<textarea>类语义的XML元素；
• 例如：<code xml:space="preserve"> a = 1;\n b = 2;</code>，解析后仍含原始缩进与换行。

Schema/DTD影响：内容模型决定空白是否“有意义”

如果一个元素在DTD或XML Schema中被定义为EMPTY或element-only（如<!ELEMENT para (em|strong)*>），那么其中出现的纯文本（包括换行缩进）属于“意外字符数据”，解析器通常会将其视为ignorable whitespace并直接丢弃。

• 只有当元素允许mixed content（如<!ELEMENT para (#PCDATA|em|strong)*>）时，内部的换行缩进才可能作为#PCDATA的一部分被保留（但仍受上述规范化规则约束，除非加xml:space）；
• 现代Schema语言（如XSD）中，可通过whiteSpace facet（值为preserve、replace或collapse）进一步控制具体文本字段的处理方式。

实际开发中的建议

不要依赖格式化空白“自动保留”。若需可靠控制：

• 对需要原样展示的内容，显式添加xml:space="preserve"；
• 避免在结构型元素（如<book><title>）内混入无意义的换行缩进，以免不同解析器行为不一致；
• 使用DOM/SAX等API时，注意其默认配置：某些库（如Java的DocumentBuilder）默认忽略可忽略空白，需调用setIgnoringElementContentWhitespace(false)才能获取全部文本节点；
• 调试时可用isWhitespaceInElementContent()（DOM Level 3）等方法判断某文本节点是否仅为规范化的空白。

基本上就这些。核心是：XML不把换行缩进当语法成分，是否保留，得看内容模型+显式声明+解析器设置。