XSLT(5) 在元素内容中如何处理空白字符？

文章来源：http://w3china.org

 

在元素内容中如何处理空白字符？

XML DOM 有三种访问元素文本内容的方式：

 

属性 行为 
nodeValue 按照原始的 XML 源中指定的那样，返回 TEXT、CDATA、COMMENT 和 PI 节点上的原始文本内容（包括空白字符）。对于 ELEMENT 节点和 DOCUMENT 本身，则返回空值。 
数据 与 nodeValue 相同 
文本 重复连接指定子树中的多个 TEXT 和 CDATA 节点并返回组合结果。 

注意： 空白字符包括新行、tab 和空格。

nodeValue 属性通常返回原始文档中的内容，与文档如何加载和当前 xml:space 范围无关。

文本属性连接指定子树中的所有文本并扩展实体。这与文档如何加载、preserveWhiteSpace 开关的当前状态和当前 xml:space 范围有关，请看如下所示：

preserveWhiteSpace = true when the document is loaded preserveWhiteSpace=true preserveWhiteSpace=true preserveWhiteSpace=false preserveWhiteSpace=false 
xml:space=preserve xml:space=default xml:space=preserve xml:space=default 
保留 保留 保留 保留并截断 

preserveWhiteSpace = false when the document is loaded preserveWhiteSpace=true preserveWhiteSpace=true preserveWhiteSpace=false preserveWhiteSpace=false 
xml:space=preserve xml:space=default xml:space=preserve xml:space=default 
半保留 半保留并截断 半保留 半保留并截断 

此处的保留表示和原始 XML 文档中完全相同的原始文本内容，截断意味着前导和尾部空格已经删除，半保留意味着保留了“重要的空白字符”并规范化了“不重要的空白字符”。重要的空白字符是文本内容内部的空白字符。不重要的空白字符是标记之间的空白字符，请看如下所示：

<name>/n
/t<first>    Jane</first>/n
/t<last>Smith     </last>/n
</name>
在本示例中，红色是可以忽略的不重要的空白字符，而绿色是重要的空白字符，因为它是文本内容的一部分，因此有不可忽略的重要含义。所以在本例中，文本属性返回下列结果：

状态 返回值 
保留 "/n/t    Jane/n/tSmith    /n"
 
保留并截断 "Jane/n/tSmith"
 
半保留 "    Jane Smith    "
 
半保留并截断 "Jane Smith"
 

请注意“半保留”将规范化不重要的空白字符，例如，新行和 tab 字符将退化为单个空格。如果更改 xml:space 属性和 preserveWhiteSpace 开关，那么文本属性将返回相应的不同值。

CDATA and xml:space="preserve" subtree boundaries 
在下面的例子中，CDATA 节点或“保留”节点的内容将得到连接，原因是它们不参与不重要的空白字符规范化。例如：

<name>/n
/t<first> Jane </first>/n
/t<last><![CDATA[     Smith     ]></last>/n
</name>
在这种情况下，CDATA 节点内部的空白字符不再与“不重要”空白字符“合并”，并且不会截断。因此“半保留并截断”情况将返回下列内容：

"Jane      Smith     "
在此，</first> 和 <last> 标记之间的不重要的空白字符将包括在内，与 CDATA 节点的内容无关。如果用下列内容代替 CDATA，那么将返回相同结果：

<last xml:space="preserve">     Smith     </last>
实体是特殊的 

实体是作为 DTD 的一部分加载和分析的，并且显示在 DOCTYPE 节点下。它们不一定要有任何 xml:space 范围。例如：

<!DOCTYPE foo [
<!ENTITY Jane "<employee>/n
/t<name> Jane </name>/n
/t<title>Software Design Engineer</title>/n
</employee>">
]>
<foo xml:space="preserve">&Jane;</foo>
假定 preserveWhiteSpace=false（在 DOCTYPE 标记范围内），在分析实体时不重要的空白字符丢失。实体将不会有空白字符节点。树将类似于：

DOCTYPE foo
    ENTITY: Jane
        ELEMENT: employee
            ELEMENT: name
                TEXT: Jane 
            ELEMENT: title
                TEXT>:Software Design Engineer
    ELEMENT: foo
       ATTRIBUTE: xml:space="preserve"
       ENTITYREF: Jane

请注意，在 DOCTYPE 内部 ENTITY 节点下显露的 DOM 树不包含任何 WHITESPACE 节点。这意味着 ENTITYREF 节点的子节点也没有 WHITESPACE 节点，即使实体引用在 xml:space="preserve" 的范围内也是这样。

给定文档中引用的每个 ENTITY 的实例通常都有相同的树。

如果实体必须绝对保留空白字符，那么它必须在自己内部指定自己的 xml:space 属性，或者文档 preserveWhiteSpace 开关必须设置为 true。