在XML文档里，注释并非仅仅是无用的说明文字，很多团队会用注释标记临时关闭的配置、字段含义或者版本变更说明。如果解析程序只提取元素和属性，就会丢失这部分信息。实际上无论是DOM还是SAX，都提供了访问注释节点的能力，只是默认教程很少提及。
一、DOM模型里的注释节点本质
根据W3C的DOM规范，XML文档中的每一个组成部分都是节点。元素、属性、文本是节点，注释也同样是一种节点，对应的类型常量为Node.COMMENT_NODE。在构建DOM树之后，注释会以独立节点的形式存在于父节点的子节点列表中，和元素节点平级。这意味着只要遍历childNodes，就能发现注释。
很多开发者以为getElementsByTagName只能拿到元素，其实注释混在子节点序列中。如果不加区分地读取文本，可能把注释内容误当作业务数据，也可能直接跳过而丢失说明。明确节点类型，是稳定解析带注释XML的第一步。
1.1 Java DOM读取注释示例
下面用Java标准库演示如何过滤出注释节点并打印内容。代码中使用DocumentBuilder解析字符串，再递归遍历。
import org.wxml.dom.*;
import javax.xml.parsers.*;
import org.w3c.dom.*;
import java.io.*;
public class CommentParser {
public static void main(String[] args) throws Exception {
String xml = "<root><!-- 这是用户配置 --><user>tom</user></root>";
DocumentBuilder db = DocumentBuilderFactory.newInstance().newDocumentBuilder();
Document doc = db.parse(new ByteArrayInputStream(xml.getBytes("UTF-8")));
walk(doc.getDocumentElement());
}
static void walk(Node n) {
if (n.getNodeType() == Node.COMMENT_NODE) {
System.out.println("注释内容: " + n.getNodeValue());
}
NodeList list = n.getChildNodes();
for (int i = 0; i < list.getLength(); i++) {
walk(list.item(i));
}
}
}
上述代码通过getNodeType判断是否为注释，getNodeValue取出注释文本。这种方式不会破坏原有结构，适合配置审核场景。
优点是逻辑直观，缺点是把整个文档读入内存。如果XML很大，DOM占用较高，此时应考虑流式方案。
1.2 Python xml.dom.minidom做法
Python标准库同样支持注释节点访问，节点类型用minidom.Node.COMMENT_NODE表示。
from xml.dom import minidom
xml_str = "<root><!-- 测试注释 --><item>book</item></root>"
doc = minidom.parseString(xml_str)
def show(node):
if node.nodeType == node.COMMENT_NODE:
print("注释:", node.data)
for child in node.childNodes:
show(child)
show(doc.documentElement)
Python的API与Java类似，node.data即为注释文本。对小型配置文件，这种写法简单可靠。
需要注意的是，minidom解析时会保留空白文本节点，遍历时要忽略nodeType为TEXT_NODE且strip后为空的节点，避免干扰。
二、SAX流式解析中的注释处理
SAX采用事件驱动，不会构建完整树，内存占用低。在Java中可通过继承DefaultHandler并重写comment方法接收注释事件。
import org.xml.sax.*;
import org.xml.sax.helpers.*;
import javax.xml.parsers.*;
public class SAXComment extends DefaultHandler {
@Override
public void comment(char[] ch, int start, int length) {
String text = new String(ch, start, length);
System.out.println("SAX注释: " + text);
}
public static void main(String[] args) throws Exception {
SAXParser sp = SAXParserFactory.newInstance().newSAXParser();
String xml = "<root><!-- 流式注释 --><a/></root>";
sp.parse(new org.xml.sax.InputSource(new java.io.StringReader(xml)), new SAXComment());
}
}
comment方法在解析器遇到注释时触发，适合超大日志型XML。但SAX无法回看上下文，若注释与后面元素强相关，需要自己在代码中缓存状态。
相比DOM，SAX更省资源，但编写复杂度高。选择哪种方式取决于文件体积与业务耦合度。
三、常见误区与建议
有人用正则直接删掉<!--.*?-->来清理注释，这在嵌套注释或注释中含大于号时极易出错。标准解析器能正确处理边界，不应自己造轮子。
如果仅想忽略注释，在DOM中遍历时跳过COMMENT_NODE即可；若想利用注释做开关，则读取后配合元素名判断。保持使用官方API，代码可维护性更好。