DocumentBuilder 默认不忽略元素内空白，故换行缩进会被解析为Text节点；需手动过滤空文本节点或预处理XML。
为什么 DocumentBuilder 默认会把换行和缩进当作文本节点
Java DOM 解析器（比如 DocumentBuilderFactory.newInstance() 创建的）默认开启 setIgnoringElementContentWhitespace(false)，也就是「不忽略元素内容里的空白」。这意味着 XML 中的换行、缩进、空格，只要在 <tag> 和 </tag> 之间，就会被当成 Text 节点保留在 DOM 树里——哪怕它只是一行空格或回车。
常见错误现象：node.getChildNodes().getLength() 返回比预期多的子节点；遍历 Element 的子节点时，node.getNodeType() == Node.TEXT_NODE 频繁命中；用 getElementsByTagName() 后取 item(0).getFirstChild() 拿到的是空文本而非目标元素。
- 这不是 bug，是 DOM 规范对「混合内容」的忠实实现
- 如果你的 XML 是人工编写的（带缩进/换行），几乎必踩这个坑
- 如果 XML 来自工具生成（如 JAXB 输出），也常含空白节点，不能假设「结构干净」
用 DocumentBuilderFactory.setIgnoringElementContentWhitespace(true) 真的有用吗
有用，但有严格前提：XML 必须有 DTD 或 XML Schema 声明，且解析器能据此判断哪些元素是「只含元素、不含字符数据」的（即 element-only content model）。没有 DTD/Schema 时，这个开关完全无效——JDK 的默认解析器（Xerces）会直接忽略它。
使用场景有限：setIgnoringElementContentWhitespace(true) 只在你控制 XML 格式、且愿意维护 DTD 时才可靠。现实中绝大多数 XML（尤其是配置文件、REST 响应体）没有 DTD，所以这招基本等于摆设。
立即学习“Java免费学习笔记（深入）”；
- 别试了：没 DTD 却设为
true，DOM 里照样塞满空白Text节点 - 有 DTD？确认它的
!ELEMENT声明是否真把目标元素定义为<!ELEMENT root (child*)>这类纯元素模型 - Java 17+ 的
DOMImplementationRegistry也不改变这一行为，底层还是 Xerces 逻辑
手动递归过滤 Text 节点的稳妥做法
最可控的方式是遍历 DOM 树，识别并移除「只含空白字符」的 Text 节点。注意不是删所有 Text 节点（否则会干掉真实文本内容），而是判断 node.getTextContent().trim().length() == 0。
关键细节：必须自底向上处理（先清理子节点，再处理父节点），否则移除子节点后 NodeList 索引会错乱；同时要避免在遍历 getChildNodes() 时直接调用 removeChild() ——推荐先收集待删节点，再统一删。
public static void removeEmptyTextNodes(Node node) {
NodeList children = node.getChildNodes();
List<Node> toRemove = new ArrayList<>();
for (int i = 0; i < children.getLength(); i++) {
Node child = children.item(i);
if (child.getNodeType() == Node.TEXT_NODE) {
if (child.getTextContent().trim().isEmpty()) {
toRemove.add(child);
}
} else if (child.getNodeType() == Node.ELEMENT_NODE) {
removeEmptyTextNodes(child); // 先递归清理子树
}
}
for (Node n : toRemove) {
node.removeChild(n);
}
}
- 调用入口：传入
document.getDocumentElement()或任意Element - 不要用
getNodeValue()判空——它对Element是null，对某些Text可能返回null，而getTextContent()更安全 - 性能影响小：一次遍历，O(n) 时间；DOM 已加载完成，无 IO 开销
用 javax.xml.transform 预处理 XML 字符串再解析
如果 XML 源头可控（比如你读的是本地文件或字符串），可以在解析前用 XSLT 做预清洗。一个极简的 identity transform + 去空白规则，比 DOM 遍历更彻底，且不依赖运行时 DOM 结构。
适用场景：批量处理 XML、需要与解析逻辑解耦、或 DOM 方案因内存/深度问题卡住时。缺点是多一次 transform 开销，且需额外维护 XSL 文件或内联样式表。
String xsl = "<xsl:stylesheet version='1.0' xmlns:xsl='http://www.w3.org/1999/XSL/Transform'>" +
"<xsl:strip-space elements='*'/>" +
"<xsl:template match='@*|node()'><xsl:copy><xsl:apply-templates select='@*|node()'/></xsl:copy></xsl:template>" +
"</xsl:stylesheet>";
TransformerFactory tf = TransformerFactory.newInstance();
Transformer t = tf.newTransformer(new StreamSource(new StringReader(xsl)));
Document doc = builder.parse(new StreamSource(new StringReader(transformedXml))); // 注意：transformedXml 是经 XSL 处理后的字符串
-
<xsl:strip-space elements='*'/>是关键，它告诉 XSLT 引擎忽略所有元素内的空白 - 不用写完整 DTD，XSLT 层面就能生效，兼容性比
setIgnoringElementContentWhitespace好得多 - 注意字符编码：如果原始 XML 有
<?xml version="1.0" encoding="UTF-8"?>，确保StringReader和 transformer 输入流编码一致，否则可能乱码
getFirstChild()、getNextSibling()、甚至 XPath 表达式行为变得不可预测。手动过滤虽然多几行代码，却是最直白、最不依赖外部约束的解法。 
