xml 小缺陷

最近在处理web信息，打算选用工具htmlparser，但是其有内在的bug，回调到javascript的标签内，这样得到的结果会完全不着边际。于是打算采用jtidy和java本身的xml工具来处理web，先用Jtidy将html格式的文件转成xml的形式，然后处理就可以了。
可是在处理xml时得到的结果跟想象的一点都不一样，这很差解，根节点下有两个孩子节点，遍历的时候却无缘无故的多了很多#text节点，很是崩溃啊，以为程序写错了，单步跟踪，确实发现一个个的#text节点出现，上网查资料，总算发现问题，原来在每个孩子节点的周围都会出现#text的空白节点，比如有2个孩子节点，在其周围就会出现3个内控为“\n\n”的#text节点。
如图所示：
[img]http://dl.iteye.com/upload/attachment/605855/5f059695-654f-3bdd-8683-c26387d4fffa.jpg[/img]
所以在处理的时候注意些，过滤掉这些节点。
当然浏览器已经做了相应的处理忽略掉那些#text节点，跟视觉效果一样，但是java的API就悲剧了，没有处理那些#text节点。