xml解析中换行符处理需分层统一：解析时遵循unicode标准化（cr/lf→lf），dom/sax序列化可能转义；elementtree默认压缩空白，应改用lxml或手动拼接text/tail；xsd校验失败需预处理换行或显式声明whitespace="preserve"。
XML解析时换行变成
或
，怎么统一处理？
Windows用\r\n（CR+LF），Linux/macOS用\n（LF），XML规范允许两者，但实际解析时，DOM/SAX常把\r\n转成字符引用
，而\n可能保留为
。这不是解析错误，是标准行为——XML处理器按Unicode规范规范化行结束符后，再序列化为字符引用。
- 解析前不手动替换原始文本里的换行，否则可能破坏CDATA或属性值中的合法
\r\n - 若需显示/比对一致，应在序列化后或文本内容提取后统一 normalize：用
str.replace(/\r\n/g, '\n').replace(/\r/g, '\n')（JS）或text.replace('\r\n', '\n').replace('\r', '\n')（Python） - Java的
Document.normalizeDocument()不会改换行；真正起作用的是Transformer输出时的setOutputProperty(OutputKeys.INDENT, "yes")配合自定义LineSeparator
用xml.etree.ElementTree读取XML后，文本里\n消失或错乱？
Python的ElementTree默认对文本内容做“空白压缩”：开头结尾的空白（含换行）被strip，中间连续空白（含\n）被合并为单个空格。这不是bug，是它对“mixed content”的默认处理策略。
- 用
parser = XMLParser(strip_cdata=False)不能解决换行问题；真正要关的是remove_blank_text——但ElementTree原生不支持，得换lxml.etree并设parser = etree.XMLParser(remove_blank_text=False) - 更轻量的做法：提取文本后，用
elem.text or ''+elem.tail or ''拼接，再手动保留换行逻辑 - 注意：
etree.tostring(elem, encoding='unicode', method='xml')输出时换行由pretty_print控制，和源文件换行无关
Java中javax.xml.parsers.DocumentBuilder解析后getTextContent()返回的换行不可靠？
DocumentBuilder遵循W3C DOM Level 3 Core规范：所有文本节点中的换行符在解析时被标准化为\n，但后续调用getTextContent()会把所有子文本节点连起来，中间无分隔——如果XML里有元素穿插在段落中，换行就彻底丢失。
- 不要用
getTextContent()提取带格式的多行文本；改用遍历childNodes，对每个Node.TEXT_NODE单独取getNodeValue() - 如果必须用
getTextContent()，且源XML已用xml:space="preserve"标记了该元素，则JDK 8+的DocumentBuilder会尊重它（需确保setFeature("<a href="https://www.php.cn/link/6c5184483cf53cdccb474420b29a911c">https://www.php.cn/link/6c5184483cf53cdccb474420b29a911c</a>", false)未关闭） -
Transformer输出时加outputProps.setProperty(OutputKeys.INDENT, "yes")只影响缩进，不影响文本节点内的换行存留
XML Schema（XSD）里xs:string字段校验失败，报错含Invalid white space character？
这是XSD处理器（如Xerces）在strict模式下拒绝\r、\t、\n等非Char类Unicode字符。XML 1.0规范定义的Char确实包含\t、\n、\r，但XSD 1.0的xs:string默认使用whiteSpace="preserve"，而某些老版本处理器（尤其.NET Framework 2.0–4.0）实现有偏差。
- 检查实际报错字符：用
hexdump -C file.xml | grep -A1 -B1 '0d|0a'确认是否混入了\r（0x0d）而XSD要求纯LF - 在XSD中显式声明
<whitespace value="preserve"></whitespace>，避免依赖默认值 - 更稳妥的方式：预处理XML，用
sed ':a;N;$!ba;s/\r\n/\n/g' file.xml > clean.xml（Linux）或powershell -Command "(Get-Content file.xml) -replace \"\r\n\", \"\n\" | Set-Content clean.xml"（Windows）
换行符本身不是数据问题，是不同环节对“文本边界”的解释权分散导致的——解析器、序列化器、XSD引擎、甚至终端显示都可能各自normalize一次。真要稳，就得在IO边界做一次确定性清洗，而不是依赖某一层的“应该保持原样”。
