为什么 apache hadoop 配置模块忽略 CDATA？答案

【问题标题】：Why is apache hadoop configuration module ignores CDATA?为什么 apache hadoop 配置模块忽略 CDATA？
【发布时间】：2020-01-09 17:54:41
【问题描述】：

我正在使用 core-site.xml 文件进行 hadoop 操作，并使用 org.apache.hadoop.conf.Configuration 类加载它。

似乎常规转义字符串正在正确加载。但是 CDATA 语句是空白的，根本没有解析。

core-site.xml:

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
          <name>cdata.example</name>
          <value><![CDATA[Joe's <&> Bar]]></value>
    </property>
    <property>
          <name>escaped.example</name>
          <value>Joe&#39;s &lt;&amp;&gt; Bar</value>
    </property>
</configuration>

Main.java:

import org.apache.hadoop.conf.Configuration;

import java.net.MalformedURLException;
import java.io.File;
import java.net.URI;

public class Main {
    public static void main(String[] args) {
        Configuration conf = new Configuration();
        File conffile = new File("core-site.xml");
        try {
            conf.addResource(conffile.toURI().toURL());
            System.out.println(conf.get("cdata.example"));
            System.out.println(conf.get("escaped.example"));
        } catch(MalformedURLException e) {
            System.out.println("MalformedURLException");
        }
    }
}

输出是：

空

乔的酒吧

这是为什么呢？根据 XML 标准，CDATA 不是正确的转义方案吗？

【问题讨论】：

我怀疑代码检查 nodeName 等于 #text 并且忘记检查 #cdata-section。一个非常有趣的实验是将 XML 更改为 <value>XXX <![CDATA[Joe's <&> Bar]]> YYY</value>。如果您收到XXX YYY，那么是时候针对 Hadoop 提交错误了。

标签： java hadoop configuration escaping cdata

【解决方案1】：

Hadoop 版本最高 2.8.x 可以正确解析 CDATA。在 Hadoop 2.9 及更高版本中，解析器已从基于 DOM 的解析器 DocumentBuilder（参见 https://issues.apache.org/jira/browse/HADOOP-14501）切换到基于 stax 的解析器 FasterXML 的 woodstox（参见 https://issues.apache.org/jira/browse/HADOOP-14216 和 https://issues.apache.org/jira/browse/HADOOP-14501）以提高 xml 解析性能。

归档 https://issues.apache.org/jira/browse/HADOOP-16749，目标是使包括 2.9.3、3.1.4、3.2.2、3.3.0 及更高版本在内的行再次正确解析 CDATA。

【讨论】：