Java 解析/扫描/标记化”；原始XML“；

我有一个应用程序，需要在Java程序中解析或标记XML并保存原始文本（例如，不解析实体、不转换属性中的空格、保持属性顺序等）

今天我花了好几个小时尝试使用StAX、SAX、XSLT、TagSoup等，直到我意识到它们都没有做到这一点。我不能花更多的时间来解决这个问题，手动解析文本似乎非常重要。有没有Java库可以帮助我标记XML

---

编辑：我为什么要这样做？--我有一个很大的XML文件，我想以编程方式对其进行少量本地化更改，需要对其进行检查。能够使用差异工具是非常有价值的。如果解析器/过滤器规范化了XML，那么我在diff工具中看到的只是“红墨水”。首先生成XML的应用程序不是我可以轻易更改为生成“规范XML”的应用程序，如果有这样的应用程序的话。

我认为您可能需要生成自己的语法

一些链接：

---

我认为任何XML解析器都不能满足您的需要。为什么？例如，XML规范不强制属性排序。我认为您必须自己解析它，这是非常重要的

---

你为什么要这么做？我猜您有一些客户端“XML”强制或依赖于非标准构造。在这种情况下，我会后退并修复它，而不是通过大量的修复来尝试适应它。

我不完全确定我是否理解您要做的事情。您是否尝试过对文档中不希望解析器触及的部分使用CDATA区域

另外，依赖属性顺序也不是一个好主意——如果我正确地记住了XML标准，那么就永远不会期望顺序

---

听起来您正在处理一些格式错误的XML，首先将其转换为正确的XML会更容易。

为什么需要保留原始文本？原始文本中可能有他想要保留的换行符等。属性顺序等对于他的使用可能很重要。根据XML规范，任何非标记字符（包括空格，如换行符）都会传递给应用程序：……而且非常坦率地说，所有这些伟大的解析工具都可以执行SAX、StAX等，但不公开中间解析/标记化步骤，感觉就像有一系列的魔法盒，当我想要的是葡萄汁的时候，可以将污水转化为葡萄酒。如果你想使用diff工具，我会在使用该工具之前尝试“规范化”这两个文件。这样你就看到了真正的变化，不仅仅是格式上的变化。我认为你可能是对的，这很痛苦。我不知道如何使用ANTLR，甚至找不到机器可读的BNF for XML。W3C有，但BNF中穿插着文本。>：（这很痛苦，但据我所知，我做得很好，将来我可以使用我编写的代码。很高兴它为您所用。对于其他需要从XML规范中提取BNF的人，可以从XML版本中删除它（目前位于）。搜索元素请做一个好公民，详细说明如何解决它，以便每个人都能从您的经验中学习。@Martin:我使用“纯Java”，没有库，没有使用BNF，并编写了一个标记器，以保留每个元素的原始文本的方式解析XML。