DOM解析java将文本也视为结点

 

如题，虽然我开始以为我懂了，原来是不够细心。
所谓“文本”包括回车、空格任何字符，不要忽略啊！
比较无奈是，DOM树转成xml文件时，不会自动换行、缩进，为了格式美观，用

TransformerFactory tff=TransformerFactory.newInstance();
Transformer tf=tff.newTransformer();
tf.setOutputProperty(OutputKeys.INDENT,"yes");

允许输出DOM树时添加空格。而正因此，解析xml文件时，就多出很多回车、空格组成的“文本结点”了，搞得我郁闷了好半天，想原理也想不通，最后在优快云发帖才解决的。

下面是原帖：

情况：
用DOM解析一XML文件，其中有用到XPath求值器
在解析中获取结点时，出现这种情况：明明应该得到的是DOCUMENT_NODE类型的结点，但是得到的是TEXT_NODE

.xml文件结构：
<?xml version="1.0" encoding="GB2312"?>
  <category>
    <pattern>你是</pattern>
    <template>
      <random>
        <li>你猜看 </li> 
        <li>不告诉你 </li>
      </random>
    </template>
  </category> 

   
JAVA代码：

Document document = getDocument();
Node rootNode = document.getFirstChild();

NodeList nodeCategorys = XPathAPI.selectNodeList(rootNode, "//category");
  for (int i = 0; i < nodeCategorys.getLength(); i++){
    if (nodeCategorys.item(i).hasChildNodes()){
          Node template =  XPathAPI.selectSingleNode(nodeCategorys.item(i), "template");

          //【1】这行如果写成template.getFirstChild()，则templateChild就是TEXT_NODE类型
          Node templateChild = template.getFirstChild().getNextSibling();
           
                if (templateChild.getNodeName().equals("srai")) { continue; }
                if (templateChild.getNodeName().equals("random")){
                    ItemVo vo = new ItemVo();
                    Node patternNode = nodeCategorys.item(i).getFirstChild().getNextSibling();//这行问题同【1】

                    String pattern = patternNode.getFirstChild().getNodeValue();//【2】
                 
                    …… 
                    ……

                      NodeList nodeLi = XPathAPI.selectNodeList(templateChild,"li");
                      for (int j = 0; j < nodeLi.getLength(); j++)
                      {
                    Node liNode = nodeLi.item(j);//【3】这里又不用加getNextSibling()了，取出的是DOCUMENT_NODE类型
                          String li = liNode.getFirstChild().getNodeValue();
                      }
                      ……
                      ……       

关于DOM将文本也视为一个结点这个我知道，所以在【2】的地方用getFirstChild().getNodeValue()才取到 <patter>标签的文本值。
但是【1】【3】两处出现的问题我就很不理解了，为什么一会要加getNextSibling()一会又不加，而且感觉原理上不对啊？ 

解答：
在DOM中，其实Template有三个直接子节点：
1。 文本节点（回车换行空格等， 在 <template> 和 <random>之间）；
2。元素节点（random）;
3。文本节点（回车换行空格在 </random>和 </template>之间），所以template.getFirstChild()返回的是文本节点。