XML文档中的空白字符包含空格、制表符、换行符等不可见字符，这些字符在不同场景下会被解析器以不同的规则处理，处理不当很容易引发数据解析错误或者显示异常。
XML空白字符的基本分类
XML中的空白字符主要分为两类，一类是有意义空白字符，也就是文档内容中需要保留的空白，比如代码块里的缩进、诗歌中的换行；另一类是无意义空白字符，通常是文档格式化时添加的缩进、换行，用于提升文档可读性，本身不属于内容的一部分。
元素内容中的空白字符处理
对于元素内容中的空白字符，解析器的默认处理行为分为两种：
- 如果XML文档没有关联DTD或者Schema，大部分解析器会保留所有空白字符，将其作为文本节点的一部分。
- 如果文档关联了DTD或者Schema，并且DTD/Schema中声明了元素的内容类型为
#PCDATA，解析器会默认保留空白字符；如果元素内容被声明为其他类型（比如只包含子元素），解析器会忽略元素之间、子元素前后的无意义空白字符。
我们可以通过xml:space属性来显式指定空白字符的处理规则，该属性有两个可选值：
default：使用解析器的默认处理规则，忽略无意义空白字符。preserve：强制保留所有空白字符，不做任何裁剪。
示例XML文档如下：
<?xml version="1.0" encoding="UTF-8"?>
<root>
<code xml:space="preserve">
function test() {
console.log("hello");
}
</code>
<content>这是一段普通内容</content>
</root>
上述示例中，code元素设置了xml:space="preserve"，内部的换行和缩进空白会被完整保留；而content元素没有设置该属性，内部的空白字符如果属于无意义缩进，可能会被解析器忽略。
属性值中的空白字符处理
XML规范对属性值中的空白字符有明确的处理规则：解析器会自动将属性值中的换行符、制表符转换为空格，并且会合并连续的多个空格为一个空格，同时会去掉属性值开头和结尾的空格。
比如下面的属性定义：
<user name=" 张三 李四 " age=" 20 "></user>
解析后name属性的实际值为张三 李四，age属性的实际值为20，开头的空格、结尾的空格以及中间的连续空格都被处理过了。
不同解析场景的处理差异
在使用不同编程语言解析XML时，空白字符的处理也会有一些差异，下面以Python的xml.etree.ElementTree模块为例说明：
默认情况下，该模块解析XML时会保留所有文本节点，包括空白字符组成的文本节点，我们可以通过自定义解析器来忽略无意义的空白字符：
import xml.etree.ElementTree as ET
# 自定义解析器，忽略无意义的空白字符
parser = ET.XMLParser(encoding="utf-8")
# 解析时去除空白文本节点
parser.parser.UseForeignDTD(True)
parser.entity["nbsp"] = "u00A0"
xml_content = """<?xml version="1.0" encoding="UTF-8"?>
<root>
<item>内容1</item>
<item>内容2</item>
</root>"""
root = ET.fromstring(xml_content, parser=parser)
for child in root:
print(child.text) # 输出内容1、内容2，不会包含空白文本节点
空白字符处理的注意事项
- 如果XML文档需要保留格式（比如代码片段、预格式化文本），一定要给对应元素添加
xml:space="preserve"属性，避免空白字符被裁剪。 - 不要在属性值中依赖空白字符的格式，因为属性值的空白字符一定会被规范化处理，无法保留原始格式。
- 如果解析后的XML需要重新生成文档，要注意空白字符的保留规则，避免重新生成的文档格式混乱或者内容丢失。
XML规范中对空白字符的处理有明确的定义，开发者在处理XML文档时，需要根据实际业务场景选择合适的处理策略，避免因为空白字符的问题导致业务逻辑异常。