利用dom4j修改含有回车换行符的XML

这几天工作中遇到一个利用 dom4j 更新XML文件的任务，由于XML文件中部分属性包含有换行符，利用 dom4j(1.6.1) 默认的方法更新XML文件后换行符会丢失。 各种Google、StackOverflow折腾好久后终于解决该问题，简单记录下。

对于修改XML文件，自己很自然的想到利用 dom4j 和 XPath 来实现功能，使用的代码类似如下：

public static void updateXML() {
    SAXReader saxReader = new SAXReader();
    File oldFile = new File("D:\\test\\old_test.xml");
    File newFile = new File("D:\\test\\new_test.xml");
    try {
       Document oldDoc = saxReader.read(oldFile);
       Element oldRoot = oldDoc.getRootElement();
       Element oldEle = (Element) oldRoot.selectSingleNode("//book[@id='01001']/name");
       System.out.println(oldEle.attributeValue("description"));
       OutputFormat format = OutputFormat.createPrettyPrint();
       format.setEncoding("UTF-8");
       format.setNewLineAfterDeclaration(false);
       //写入新文件
       XMLWriter writer = new XMLWriter(new FileWriter(newFile), format);
       writer.write(oldDoc);
       writer.flush();
       writer.close();
       System.out.println("\n================分隔符==================\n");
       //从新文件中读取数据
       Document newDoc = saxReader.read(newFile);
       Element newRoot = newDoc.getRootElement();
       Element newEle = (Element) newRoot.selectSingleNode("//book[@id='01001']/name");
       System.out.println(newEle.attributeValue("description"));
    } catch (DocumentException e) {
       e.printStackTrace();
    } catch (IOException e) {
       e.printStackTrace();
    }
}

对应的XML文件类似如下：

<?xml version="1.0" encoding="utf-8"?>
<books>
  <book id="01001">
    <name description="New coverage includes:

Functional interfaces, lambda expressions, method references, and streams
Default and static methods in interfaces
Type inference, including the diamond operator for generic types
The @SafeVarargs annotation
The try-with-resources statement">Effective Java</name>
    <price>50.6</price>
    <author>Joshua Bloch</author>
    <publishDate>2017-12-08</publishDate>
  </book>
</books>

上述代码的逻辑很简单：首先从XML打开一个XML文件，然后输出某个书本的描述信息，将其写入新的XML文件，然后在新XML文件中读取相同的信息。理论上前后两次输出的结果应该一样，但实际运行后发现从新的XML文件中读取出的描述信息换行符都丢失了，前后两次输出的结果不一致！ 

对比新旧XML文件后发现，产生此现象的原因是: dom4j 自作主张的在写入XML文件时将 
 替换为了 \r\n ，而XML文件中标准的回车换行符是用 
 来表示的 ，将它们替换后再次读取的结果很显然不符合要求。

了解到问题产生的根源后，则其解决思路也很明确： 写入XML文件时，将 \r\n 再次替换为 
 即可。最开始自己想采用如下的方法来简单替换，运行完毕后发现结果和前面的一致，问题依旧。

String description = oldEle.attributeValue("description");
description = description.replaceAll("\r\n","
");
oldEle.attributeValue("description",description);

进一步分析后发现，*dom4j* 不仅会在读取XML文件时对 
 进行转义，而且在写入XML文件时也会对 
 进行转义，前面的方法只是解决了读取的问题，写入时没有处理，所以问题依旧。

写入时主要的操作类是 OutputFormat 和 XMLWriter ，自己一开始以为可以通过 OutputFormat 进行响应的设置实现，将代码修改如下，然并卵，问题依旧！

OutputFormat format = OutputFormat.createPrettyPrint();
format.setNewlines(true);
format.setLineSeparator("\r\n");
format.setEncoding("UTF-8");
format.setNewLineAfterDeclaration(false);

OutputFormat 不好使，只能从 XMLWriter 着手，调用 writer.setEscapeText(false) 方法也不能解决问题，看来只能放出大招，自己定义实现一个 XMLWriter类，将以及转义后的回车换行符又换回去，代码如下：

public class HRXMLWriter extends XMLWriter {
    public HRXMLWriter(Writer wr, OutputFormat format) {
       super(wr, format);
    }
    @Override
    protected String escapeAttributeEntities(String text) {
       text = super.escapeAttributeEntities(text);
       if (text.indexOf("\r\n") > -1) {
         text = text.replaceAll("\r\n", "
");
       }
       return text;
    }
}

然后将写入时的代码修改如下：

//採用定义写入类HRXMLWriter
XMLWriter writer = new HRXMLWriter(new FileWriter(newFile), format);
writer.write(oldDoc);
writer.flush();
writer.close();

运行结果如下，问题顺利解决！

 

----------------------------------------------------------------------------------------------------------------------------------

上面是我查找资料时看到的说明比较全面的一篇，所以转载过来了。

但是实际我的问题不太一样，是用另一种方式解决的。如下

//直接传递的是xml格式的字符串，在存储的时候转换成字符串形式的\r\n存储
//数据库存储形式是clob
SAXReader xmlReader = new SAXReader();
Document document = xmlReader.read(new StringReader(HtmlUtils.htmlUnescape(xml.replaceAll("
", "\\\\r\\\\n"))));




//从数据库获取到数据，在替换\r\n为

xml = xml.replaceAll("\\\\r\\\\n", "&#xa;").replace(">&#xa;<", "><");

以上。