处理XML文件时，最常见的问题之一就是文件被保存成单行或缺少缩进，导致阅读和定位节点非常困难。格式化XML的本质是重新调整空白字符，让文档结构通过换行和缩进清晰地呈现出来，但这个过程不能改变XML的语义。下面从多个角度介绍几种实用的格式化方法，并分析它们适用的场景。
使用编辑器和在线工具完成格式化
对于偶尔需要查看XML的开发人员，最直接的方式是使用代码编辑器自带的功能。VS Code 本身不内置XML格式化器，但安装 Red Hat 的 XML 扩展或 XML Tools 插件后，可以通过 Shift+Alt+F 快捷键一键格式化当前文件。这些插件底层通常使用 LSP（语言服务器协议）解析XML，能够正确处理命名空间和多行属性。Notepad++ 用户则可以借助 XML Tools 插件，该插件提供了格式化、校验和 XSD 验证功能，安装后从插件菜单选择 Pretty print 即可。
如果你只是临时处理一个小文件，不想安装任何软件，在线格式化工具也可以帮忙。比如把XML内容粘贴到在线解析器中，选择缩进选项，就能得到格式化后的结果。不过要注意隐私问题，敏感的配置文件或接口数据最好不要上传到第三方网站。在线工具通常对文件大小有限制，处理大文件时会卡顿或截断。编辑器的优势在于本地处理、支持撤销和文件对比，适合日常开发。
这类工具的缺点是它们往往只关注缩进和换行，对属性换行、空元素自闭合风格等细节的控制能力有限。例如有些工具会把 <br/> 强制改成 <br></br>，这虽然语义上等价，但可能不符合项目规范。因此在使用编辑器或在线工具时，建议先备份原始文件，格式化后对比关键节点的变化。
使用命令行工具批量格式化XML
当需要格式化大量XML文件或者把格式化步骤集成到CI/CD流程中时，命令行工具是更好的选择。Linux 和 macOS 系统通常自带 xmllint，它基于 libxml2 库，功能强大且稳定。最基本的格式化命令如下：
xmllint --format input.xml > output.xml
--format 参数会让 xmllint 重新打印XML文档，自动缩进嵌套元素。如果输入文件包含语法错误，xmllint 会输出错误信息并返回非零退出码，可以在脚本中利用这一点先校验再格式化。xmllint 还支持 --encode 参数指定输出编码，以及 --noblanks 移除空白文本节点，适合处理带有大量可忽略空白的XML。
另一个常用的命令行工具是 tidy，它最初用于HTML，但也支持XML。tidy 的配置项非常丰富，可以通过 -xml 参数强制按XML解析，并使用 -indent 控制缩进，-wrap 控制行宽。不过 tidy 对XML的某些特性支持不如 xmllint 完整，遇到复杂命名空间或内部DTD时可能产生非预期结果。Windows 环境下如果没有 xmllint，可以使用 PowerShell 调用 .NET 的 System.Xml 类来格式化，后面会提到代码实现。
批量处理时，可以结合 find 命令和循环，例如：
find . -name "*.xml" -exec sh -c 'xmllint --format "$1" > "$1.tmp" && mv "$1.tmp" "$1"' _ {} \;
这条命令会递归格式化当前目录下所有XML文件，注意其中 > 和 && 已经转义，执行时会先写入临时文件再替换原文件，避免格式化失败导致源文件损坏。命令行工具的自动化能力是编辑器无法比拟的。
通过编程语言代码格式化XML
如果格式化逻辑需要嵌入到应用程序中，或者需要更细粒度的控制（如只缩进特定元素、保留某些空白），使用编程语言处理是最终方案。Python 标准库中的 xml.dom.minidom 提供了一个简单的 toprettyxml() 方法，但它会在文本节点周围插入额外的空白，可能破坏混合内容。更推荐使用 lxml 库，它能更好地控制空白处理。下面是一个Python示例：
from lxml import etree
def format_xml(input_path, output_path):
parser = etree.XMLParser(remove_blank_text=True)
tree = etree.parse(input_path, parser)
tree.write(output_path, pretty_print=True, xml_declaration=True, encoding='utf-8')
format_xml('input.xml', 'output.xml')
这里通过 remove_blank_text=True 先移除已有的可忽略空白，再使用 pretty_print=True 输出缩进格式，能够避免重复的空白节点。如果XML中声明了命名空间，lxml 会保留这些信息，不会像某些简单正则替换那样破坏命名空间前缀。对于大文件，lxml 基于C库，性能明显优于纯Python的minidom。
Java 中可以使用 Transformer 类配合 OutputKeys.INDENT 属性来实现格式化，示例代码如下：
import javax.xml.transform.*;
import javax.xml.transform.stream.*;
import java.io.*;
public class XmlFormatter {
public static void format(File input, File output) throws Exception {
TransformerFactory factory = TransformerFactory.newInstance();
Transformer transformer = factory.newTransformer();
transformer.setOutputProperty(OutputKeys.INDENT, "yes");
transformer.setOutputProperty("{http://xml.apache.org/xslt}indent-amount", "2");
transformer.transform(new StreamSource(input), new StreamResult(output));
}
}
Java 默认的缩进数量是零个空格，所以需要额外设置 indent-amount 属性指定缩进宽度。不过 Java 内置的 Transformer 在处理已有空白文本节点时也会插入新空白，导致输出文件中出现多余空行。解决方法是先使用 DocumentBuilderFactory 设置 setIgnoringElementContentWhitespace(true) 忽略元素内容中的空白，再进行转换。
JavaScript 在 Node.js 环境下可以安装 xml-formatter 包，使用方式简单：
const xmlFormatter = require('xml-formatter');
const fs = require('fs');
const input = fs.readFileSync('input.xml', 'utf8');
const formatted = xmlFormatter(input, { indentation: ' ', collapseContent: true });
fs.writeFileSync('output.xml', formatted);
该库内部使用 DOM 解析器，可以配置缩进字符、是否折叠内容等，适合前端工具链或 Node 脚本。编程语言方案的最大优势是可以和业务逻辑结合，比如在读取配置文件后自动格式化并缓存结果。
格式化注意事项与常见问题
XML格式化看似简单，实际操作中有几个陷阱需要留意。首先是编码声明，XML文件开头的 <?xml version="1.0" encoding="UTF-8"?> 中编码信息必须与实际字节一致。如果格式化工具默认输出UTF-8，但原文件是GBK编码，格式化后中文注释可能变成乱码。建议在格式化前明确指定源码编码，例如 xmllint 使用 --encode UTF-8 参数，Python 的 open() 需要正确传入 encoding 参数。
其次是混合内容问题。如果一个元素同时包含文本和子元素，例如 <p>这是<strong>重点</strong>内容</p>，任意插入缩进会改变文本节点之间的空白，可能影响文档渲染效果。对于这类XML，只能格式化标签之间的可忽略空白，不能动文本内容内部的空白。工具通常无法智能区分可忽略空白和有效空白，需要人工确认或使用 xml:space="preserve" 属性保护。
最后是大文件性能。某些编辑器或在线工具加载几十MB的XML会直接卡死，而命令行工具和编程语言库基于流式或C实现，处理效率高得多。如果需要格式化的XML非常大，建议使用 xmllint 或 lxml，并考虑是否真的需要完整重新序列化。另外，格式化后的文件体积通常会变大，因为增加了大量空格和换行，如果对存储敏感，可以在传输前使用压缩，或者保留原始紧凑格式仅在需要时实时美化。
综合来看，日常开发优先选择编辑器插件，批量任务使用命令行工具，嵌入系统则使用编程语言库。无论哪种方式，都要注意编码和空白文本节点的处理，这样才能安全地获得易读的XML文档。