Java 内置的 javax.xml.parsers 默认遵循 XML 规范，对合法但可疑的字符（如孤立 >）不报错；若需检测非规范结构（如 >），必须在解析后主动校验内容，无法仅靠配置提升“严格性”。
java 内置的 `javax.xml.parsers` 默认遵循 xml 规范，对合法但可疑的字符（如孤立 `>`）不报错；若需检测非规范结构（如 `>`），必须在解析后主动校验内容，无法仅靠配置提升“严格性”。
XML 解析器的本质是合规性验证器，而非语法洁癖检查器。正如你发现的，以下看似“错误”的片段：
String oops = "<xml><oops></oops>></xml>"; DocumentBuilder builder = DocumentBuilderFactory.newInstance().newDocumentBuilder(); builder.parse(new ByteArrayInputStream(oops.getBytes())); // ✅ 静默成功
它之所以不报错，是因为 >> 中的第二个 > 完全符合 XML 规范：XML 允许文本内容中直接出现 >（无需转义），仅在 ]]> 序列出现在 CDATA 结束标记时才强制要求转义。换言之，hello> 是合法 XML —— > 在元素内容中不是语法错误，而是普通字符。
因此，不存在一个 factory.setStrictMode(true) 或类似配置能使其拒绝该输入。DocumentBuilderFactory 的 setValidating(true) 仅启用 DTD/XSD 验证，setNamespaceAware(true) 影响命名空间处理，二者均不干预基础词法/语法容错逻辑。
正确应对策略：解析后内容扫描
你需要在 DOM 构建完成后，遍历所有文本节点（Text、CDATASection），检查其原始字符串是否包含非法模式（如相邻 >、未闭合标签痕迹等）。注意：由于 XML 解析器会自动将 > 归一化为 >，你无法从 Node.getTextContent() 区分 > 和字面 > —— 这意味着纯 DOM 层校验无法 100% 还原原始输入意图。
当用户要求为 Java 代码添加注释、修改注释、审查注释、整理注释格式，或要求按照代码注释规范处理 Java 文件时，使用本技能。本技能用于统一生成和维护 Java 类注释模板、按 Git 对比 release 判断版本号、补充每行代码上方中文块注释、调整注释空行规则，并保持 Java 文件 UTF-8 无 BOM 编码。典型触发场景包括：补充类注释、更新 @version、检查 @author 来源、整理行尾注释、把注释放到代码上一行、检查注释是否符合规范、构建前检查 Java 注释风格。
立即学习“Java免费学习笔记（深入）”；
若必须保证原始字面量校验（例如测试用例需捕获“多写了一个 >”），推荐方案是：预校验 + 解析双阶段流程：
public static void parseWithStrictSyntaxCheck(String xml) throws Exception {
// 阶段一：正则预检（轻量、快速、覆盖常见手误）
if (xml.matches(".*[^&]>>.*|.*>[^<>/\s]+>.*")) {
throw new SAXParseException("Suspicious consecutive '>' or malformed tag-like sequence",
null, null, -1, -1);
}
// 阶段二：标准解析（确保 XML 结构有效）
Document doc = DocumentBuilderFactory.newInstance()
.newDocumentBuilder()
.parse(new ByteArrayInputStream(xml.getBytes(StandardCharsets.UTF_8)));
// 阶段三：DOM 内容深度校验（可选，针对业务语义）
validateTextContent(doc.getDocumentElement());
}
private static void validateTextContent(Node node) {
if (node.getNodeType() == Node.TEXT_NODE || node.getNodeType() == Node.CDATA_SECTION_NODE) {
String text = node.getTextContent();
if (text.contains(">>") && !text.contains(">>")) {
// 注意：此判断有局限性（无法区分 > 归一化结果），仅适用于纯字面测试场景
throw new RuntimeException("Raw '>>' detected in text content");
}
}
for (Node child = node.getFirstChild(); child != null; child = child.getNextSibling()) {
validateTextContent(child);
}
}关键注意事项
- ⚠️ 不要依赖 InputSource.getSystemId() 或 SAXParser.setFeature() 实现语法级严格性：JAXP 规范未定义此类行为，各 JDK 实现（Xerces、JDK内置）均以规范兼容为最高优先级。
- ⚠️ 若测试目标是验证开发者输入是否符合手写 XML 习惯（如禁止任何冗余符号），应将校验逻辑前置于解析——即把 XML 字符串当作“带格式文本”而非“已定义语法”，用正则或自定义词法分析器初筛。
- ✅ 唯一能 100% 控制原始字节校验的方式是：使用 SAXParser 配合 ContentHandler，在 characters() 回调中结合 Locator 获取原始位置，并比对 InputSource.getByteStream() 的原始字节流（需自行缓存输入）——但这显著增加复杂度，通常仅限专业 XML 工具开发。
总结：Java 标准 XML 解析器的设计哲学是“宽进严出”，其正确性锚点是 W3C 规范，而非人类直觉。要达成测试所需的“零容忍”，必须放弃“让解析器变严格”的思路，转而采用解析前静态扫描 + 解析后语义校验的组合策略。
