XML解析时空白文本节点会干扰内容提取，需用DOM normalize+过滤、lxml remove_blank_text、xmlstar/xmllint等工具区分语义保留压缩。
XML解析时空白文本节点干扰内容提取
XML里看似空的换行和缩进，在DOM或SAX解析器眼里是真实的#text节点，尤其用childNodes遍历或textContent取值时，常混入大量空白字符串。这不是格式问题，是数据污染。
- 用
ElementTree（Python）时，elem.text可能为'\n '而非None，直接strip()前得先判空 - Java中
Node.getTextContent()会拼接所有子文本节点，包括换行符，需手动replaceAll("\s+", " ")再trim - JavaScript的
element.innerText自动忽略空白，但element.textContent不会——别混用
用minidom压缩XML并删除空白行
minidom本身不提供“压缩”开关，但可通过控制writexml()参数跳过换行和缩进，同时预处理剔除纯空白文本节点。
- 加载后调用
doc.normalize()合并相邻文本节点，再遍历删掉node.nodeType == Node.TEXT_NODE and node.data.strip() == ''的节点 - 写入时用
writexml(writer, newl='', indent='', addindent='')，三个空字符串参数缺一不可，否则仍会插入换行 - 注意：
minidom不处理CDATA块内的空白，也不影响属性值里的空格，只动元素间的文本节点
lxml.etree一键清理+序列化压缩
lxml是更可靠的选择，etree.tostring()支持method='xml'和encoding='utf-8'，配合pretty_print=False即可输出无换行紧凑XML。
- 加载时加
remove_blank_text=True参数：etree.parse('file.xml', etree.XMLParser(remove_blank_text=True)) - 若已加载完，可用
etree.strip_tags(root, etree.Comment)删注释，再用etree.strip_elements(root, 'script', with_tail=False)删特定标签（按需） - 最终序列化：
etree.tostring(root, encoding='unicode', method='xml', pretty_print=False)，注意encoding='unicode'避免字节串，pretty_print=False才是关键
命令行快速压缩XML（无依赖场景）
没有Python环境？xmlstar或xmllint能一行搞定，比正则安全得多。
-
xmlstar --omit-decl --noindent -t -c '/' input.xml：强制不缩进、不声明、只输出根路径（实际是重序列化） -
xmllint --noblanks --format input.xml | sed ':a;N;$!ba;s/\n[[:space:]]*\n/\n/g'：先用--noblanks删空白文本节点，再sed干掉连续空行（xmllint --format自带换行，需二次清理） - 禁用
sed 's/>\n这类简单替换——会破坏CDATA或属性换行，必须走XML-aware工具
真正难的不是删换行，而是分清哪些空白该留：比如<pre class="brush:php;toolbar:false;"></pre>里的换行、xml:space="preserve"标记的区域，强行压缩会丢语义。处理前先看DTD或schema里有没有空格策略声明。
