使用 StAX 保留 XML 布局（属性顺序、换行符）以进行小的更改（例如更改属性）

Question

我正在尝试使用 StAX 迭代器替换 SVG 文件中某些属性的值 API。我使用 XMLEventReader 读取原始文件，检查和修改元素，然后写入 XMLEventWriter.

我的原始文件结构如下：

<?xml version="1.0" encoding="UTF-8"?>
<!--
...
-->
<!DOCTYPE ...
...
]>
<svg ...

我得到的输出不一样：

<?xml version="1.0"?><!--
...
--><!DOCTYPE ...
...
]><svg ...

如您所见，encoding 以及注释和文档类型周围的换行符都消失了。

此外，结果文件中所有标签的所有属性的顺序似乎是随机的。我读过并且我知道不能保证属性顺序，但这对我没有帮助。

这些 SVG 文件在 Git 下，所以我想尽可能地保留它们的纯文本布局。

如何解决这些问题？对于我当前的任务，我可以将属性值替换为纯文本，无需任何解析，但我希望有一个解决方案可以让我考虑标签嵌套和类似的事情。

如果 StAX 无法完成，我完全愿意接受不同的方法。我已经尝试过 DOM 方法，但情况更糟。也许有一些 3d 方解析器...

Answer 1

VTD-XML（我是作者的一个开源项目）是java API在导出层级结构的同时解析后保留底层字节XML 树...这意味着您可以就地替换字节的任何部分，而无需对文档的不相关部分进行任何不必要的摆弄..甚至直接覆盖字节...零开销

Answer 2

在涉及更新属性的情况下，最好的选择不是使用 XMLEventWriter，而是在 XML 文件中查找标签的位置（字符偏移）并进行子字符串替换。你可以这样做：

使用XMLEventReader，遍历文件
当遇到要改变属性的元素时，使用XMLEvent#getLocation()，然后在其上调用getCharacterOffset()，这将return原文件中的位置，其中此事件已发出。
通过跟踪前一元素和当前元素的偏移量，您可以从原始文件的内容中提取只有一个元素的子字符串。
更新子字符串，将其与其前后的文本连接起来，这将为您提供更新后的 XML 作为字符串。由于提取的子字符串仅包含一个元素，您可以安全地假设所有属性都是唯一的，因此您可以根据需要添加、删除和更新它们，而不必担心不小心触及其他元素。
将更新的内容作为字符串写入文件。

缺点：您必须手动解析属性，但在大多数情况下这是微不足道的。

此外，我发现 Characters 事件存在问题：它们是在后续 < 或 </ 已经消耗后报告的。例如，在 <foo>bar</foo> 中， bar 个字符将被报告为 bar</.

这在 StAX 的其他实现中可能有所不同，我使用的是 Java 库中的默认实现。我假设这种行为可以解释为 StAX 解析器从不倒退，并且当它有足够的信息来检测字符结束事件时，它已经消耗了下一个元素（开始或结束标记）的开头。

至于我最初尝试使用XMLEventWriter:

Preserve XML layout (attribute order, newlines) using StAX to make small changes (e.g. change an attribute)