带有 Java 6 的 Xalan 会跳过注释吗？

Question

在我看来，JDK 6（和 7）附带的 Xalan 版本不处理输入文件中的 cmets，如 <xsl:template match="comment()" ...>... 指定的那样

给定以下输入文件，dangling.xml

<?xml version="1.0" ?>
<dangling xmlns:dt="urn:uuid:e2973380-8daf-11e3-a5d8-0002a5d5c51b">
   <!--  This is a comment. -->
   <foobar x="y">A bar where I drink foo beer,
           after debugging XSLT in hell all day.</foobar>
</dangling>

和样式表 identity_sans_dt.xsl

<?xml version="1.0" ?>
<xsl:stylesheet version="1.0"
        xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
        xmlns:dt="urn:uuid:e2973380-8daf-11e3-a5d8-0002a5d5c51b">


<xsl:output method="xml"
            encoding="UTF-8"
            indent="yes" 
            omit-xml-declaration="yes"
            />

   <xsl:template match="/ | attribute::* | comment()">
     <xsl:copy>
       <xsl:apply-templates select="@*|node()"/>
     </xsl:copy>
   </xsl:template>
   <xsl:template match="*">
      <xsl:element name="{name()}">
         <xsl:apply-templates select="@*|node()"/>
      </xsl:element>
   </xsl:template>
</xsl:stylesheet>

我使用 libxml 的 xsltproc 得到以下输出

<dangling>
   <!--  This is a comment. -->
   <foobar x="y">A bar where I drink foo beer,
           after debugging XSLT in hell all day.</foobar>
</dangling>

但是，当我通过使用 SAX TransformerHandler 应用相同样式表的 Java 程序运行相同的事情时，我得到了这个。

<dangling>

   <foobar x="y">A bar where I drink foo beer,
           after debugging XSLT in hell all day.</foobar>
</dangling>

我是否做错了什么导致技术规范委婉地称为“不可预测的结果”？还是似乎有一个 Xalan 错误导致 Java 版本中注释的遗漏？

虽然与 comment() 处理的问题没有直接关系，但这里是本练习的背景。 dangling.xml 是一些先前处理的结果，这些处理已经剥离了 dt 命名空间中的所有元素及其子元素。出于某种原因，dt 命名空间声明被留下了。此外，xml 声明引起了一些问题。 （这是因为一些下游代码将其作为字符串进行操作，然后将其放入另一个 XML 文本字符串的中间。不要告诉我这有多可怕；我知道。不要告诉那些负责说代码；我已经这样做了。）所以我花了很多时间试图摆脱这两个烦人的工件，但保留其他所有东西。

不，dangling.xml 不是真正的文件，只是调试的代理。 :-)

因此，如果有一种完全更好的方法可以回避整个问题，我也有兴趣了解这一点。

提前谢谢你。

Answer 1

可能是你运行不正确。在 SAX 中，XMLReader 将大多数解析事件通知给已注册的 ContentHandler，但不通知 cmets，它们将发送给已注册的 LexicalHandler。 JAXP TransformerHandler 实现了 ContentHandler 和 LexicalHandler 接口，但只有在 XMLReader 中注册为 ContentHandler 和 LexicalHandler 时才会通知 cmets。

Answer 2

我会为遇到这个烦人问题的其他人提供答案。

但首先，我要再次感谢 Michael Kay 为我指明最终解决方案的方向。

问题在于需要在最初处理输入的原始 XMLReader 上设置词法处理程序。我错误地将问题解释为必须有一个词法处理程序来获取 cmets 以编写最终结果。所以我误解了给出的建议。

在进行更多研究后，我找到了后续问题的答案，即“如何在 XMLReader 上设置词法分析器？”在我看来，这是非常隐蔽的。与 SAXResult 上的直接 setLexicalHandler 方法不同，SAXParser 和 XMLReader 对象上都有一个 setProperty 方法。

 void XMLReader.setProperty(String name, Object value);
 void SAXParser.setProperty(String name, Object value);

“标准”属性名称是在 http://sax.sourceforge.net/apidoc/org/xml/sax/package-summary.html#package_description 指定的 URL。其他实现可能会添加自己的特殊属性，只要它们使用不与标准冲突的 URL。这似乎是一种很好的扩展机制，但我不明白他们为什么将它用于作为 API 标准部分的对象；或者，相反，为什么他们没有以相同的方式指定所有内容（包括 ContentHander）。 （换句话说，要始终如一地这样做。）

因此，代替什么，在我的拙见中应该是一个简单的 setLexicalHandler 方法，必须使用字符串 ""http://xml.org/sax/properties/lexical-handler" 来指示正在设置词法处理程序，并提供处理程序作为第二个（非类型安全对象）参数。

所以这是我的程序“前端”的相关部分：

        saxReader = saxParserFactory.newSAXParser().getXMLReader();
        saxReader.setContentHandler(transformsHandler);
        saxReader.setProperty("http://xml.org/sax/properties/lexical-handler", transforms[0]);

如果您未能包含 setProperty 调用，您的转换器将永远不会看到输入中的 cmets，因此，在我的情况下，您的 XSLT 是否处理它们都无关紧要。这就是迈克尔最初的简明解释。

Answer 3

最后我检查了一下，Sun/Oracle JRE 附带的 Apache Xalan 和 Xerces 版本已经过时多年，并且有许多已知的错误和限制。除非 Oracle 在 Java 7 或 Java 8 中纠正了这个问题——即使他们已经纠正了——我强烈建议您直接从 Apache 下载当前副本并改用它们。

（IBM JRE——可惜，它只能作为 IBM 产品的一部分才可用——更密切地跟踪 Apache，部分原因是 IBM 团队是 Xalan 和 Xerces 的最初捐助者，并一直参与支持它们。最近的 IBM JRE 用 IBM 的下一代 XSLT 处理器 XL-TXE 取代了 Xalan。IBM WebSphere 发布了 XL-TXE 的高级版本作为其 XML Feature Pack 的一部分；该版本增加了对 XQuery 1.0、XSLT 2.0 和 XPath 2.0 的支持。 )