17370845950

DOM解析是将XML加载为内存中可随机访问的树形节点对象；xml.dom.minidom是Python轻量DOM实现，需注意编码与空白节点处理。

DOM解析的本质是把XML变成内存里的树形对象

DOM（Document Object Model）不是一种工具或命令，而是浏览器和多数编程语言提供的标准接口规范。它把整个XML文档加载进内存，构建成一棵节点树——每个标签、属性、文本都是一个可操作的 Node 对象。这意味着你不能“流式读取”超大XML，但可以随机访问任意位置、反复修改、再序列化回字符串。

Python中用xml.dom.minidom读取XML要注意编码和空白节点

xml.dom.minidom 是Python标准库中最轻量的DOM实现，适合中小XML（\n a\n 中的换行和缩进也会生成 Text 节点，容易导致 element.childNodes 返回意外长度。

• 用 parse() 加载文件时，确保传入已解码的 BytesIO 或指定 encoding（如 parse("data.xml", parser=expat.ParserCreate('utf-8'))）
• 遍历子节点前，先过滤掉非 Element 类型：

  for child in elem.childNodes:
      if child.nodeType == child.ELEMENT_NODE:
          print(child.tagName)

• 读取属性统一用 getAttribute("name")，不要直接访问 attributes 字典——它在某些版本里可能为 None

JavaScript中DOM操作XML需区分document类型

浏览器环境里，DOMParser 解析XML返回的是 XMLDocument，不是 HTMLDocument。这意味着 querySelector 可用，但 innerHTML 不可用，getElementsByName 也不可靠——必须用 getElementsByTagName 或 getElementsByTagNameNS（如果有命名空间）。

• 解析失败时，DOMParser 不抛异常，而是返回带错误信息的文档：

  const doc = new DOMParser().parseFromString(xmlStr, "application/xml");
  if (doc.querySelector("parsererror")) {
      throw new Error("XML parse failed: " + doc.querySelector("parsererror").textContent);
  }

• 修改后要导出字符串，必须用 new XMLSerializer().serializeToString(doc)，不能用 doc.documentElement.outerHTML
• 添加新元素必须用 doc.createElement("tag")，

  

  不能用 document.createElement（后者创建的是HTML元素）

修改XML后序列化可能丢失声明和缩进

DOM规范不保证保留原始XML的格式细节。无论你用 minidom.toprettyxml() 还是 XMLSerializer，都可能出现：XML声明重复、空格被抹平、自闭合标签展开成 。如果下游系统严格校验格式，不能依赖DOM原生序列化结果。

• minidom 的 toprettyxml(indent=" ", newl="\n") 会为所有节点加缩进，包括文本节点，常导致多余空行
• 想精确控制输出，得手动遍历节点拼接字符串，或改用 lxml.etree（Python）或 XMLSerializer 配合 formatting 选项（部分引擎支持）
• 修改属性值后，即使内容没变，serializeToString() 也可能重排属性顺序——这在签名验证场景下是硬伤

DOM解析真正难的不是怎么调用API，而是意识到它强制全量加载、不支持增量更新、格式保真度差——这些限制在设计阶段就得让业务方确认能否接受。