为什么Apache Xerces/Xalan会在我的序列化输出中添加额外的回车符？

Question

我正在使用 Apache Xerces 2.11.0 和 Apache Xalan 2.7.1，但在序列化 XML 时出现了额外回车字符的问题。

以下是我伪造的代码：

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包含了换行符(\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，会有额外的\r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，输出结果会变得更加有趣：

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

额外的字符似乎是在序列化过程中引入的，DOM树似乎是正确的。（根据getTextContent()）。

为什么会发生这种情况？我该怎么办才能解决这个问题？

- Daniel Rikowski

---

"Result"只是一个输出树。你如何将Result序列化为字符串或输出流？ - Jim Garrison

我遇到了同样的问题。你找到解决这个问题的方法了吗？ - hd42

不好意思，我从来没有这样做过。我现在正在手动删除换行符。 - Daniel Rikowski

Answer 1

我猜你遇到的问题是在Windows上，而不是Linux/Solaris/Mac。Xalan序列化器（org.apache.xml.serializer.ToStream.java）使用System.getProperty("line.separator")获取行分隔符。当序列化器写入\r\n时，它会将\n解释为行结束序列，并实际写入\r+lineSeparator = \r\r\n。尽管这听起来很奇怪，但这不是一个错误，参见[1]。但由于经常被报告为错误，所以添加了一个xalan扩展属性[2]。因此，您可以编程设置：

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

或者

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

xalan是一个与URL "http://xml.apache.org/xalan"相关联的前缀。

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

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

- Alex Giotis

---

尝试生成Excel可以处理的CSV文件需要进行更改。单元格中的换行符为LF，而新行使用CRLF。 在互联网上没有找到这些信息，这让我很困扰。谢谢！ - Bae

Answer 2

很奇怪，但是在创建转换器后立即执行transformer.setOutputProperty(javax.xml.transform.OutputKeys.INDENT, "no");并查看发生了什么。

- Femi

---

奇怪。创建“Result result =…”条目的代码是什么？您使用的是“Writer”还是“Stream”？ - Femi

Answer 3

尝试使用已经与Xalan 2.7.1测试过的Xerces 2.9.0。（2.9.0包含在Xalan包中）

在我遇到Xerces 2.11.0问题后，我也做了同样的事情。

- Charlie Brown