XML 压缩工具

XML 出现在不少传输体积比人类可读性更重要的场合——服务之间反复发送的 SOAP 请求体、存储在有长度限制的环境变量里的配置值、被自动化客户端频繁抓取的 feed。去除元素之间的空白,同时小心保留 CDATA 区块、注释和属性值的原样内容,能去掉格式化带来的开销,而不触碰这些特殊区块刻意保护的任何数据——这和这个解析器在反方向做格式化时提供的安全保证是一样的。

和这个格式化工具的解析保证一样,这里的压缩永远只去除元素标签之间的空白——它不会重新排列元素、不会重写属性值,也不会改变任何一个解析这份 XML 的程序实际会读取的内容。用这种方式压缩后的文档,和为可读性而格式化的文档,对任何以编程方式消费它的东西来说,代表的是完全相同的数据;不同的只是字节大小和人类可读性。

两个兄弟元素之间的空白——纯粹为了方便人类阅读而存在的缩进——会被去除。而直接存在于一个承载文本的元素内部、作为实际内容的空白,比如存储为元素文本的一句话里刻意留出的一个空格,则会被保留而不是剥离,因为 XML 没有像 HTML 那样普遍适用的规则,认定元素内容里的空白是无关紧要的。正确处理这个区别,正是一个专门构建的解析器能做对、而一个"直接去掉所有空白"的笼统方案会破坏真实文本内容的原因所在。