Go encoding/xml 怎么用 CharData 读取混合文本而不丢空白

如果 XML 文本中夹着 、 等嵌套元素，想保留标签前后的空格，建议使用 xml.Decoder.Token 逐个读取 token，只把 xml.CharData 追加到缓冲区。不要先对每段文字调用 strings.TrimSpace，也不要把 CharData 的底层切片直接长期保存。

一、先区分结构字段与文本片段

encoding/xml 的结构体映射适合规则明确的 XML：字段可以通过标签接收子元素，XMLName xml.Name 可以记录当前元素名；而 ,chardata 字段接收的是元素中的字符数据。遇到“文字—子元素—文字”的混合内容时，文字天然会被拆成多段，单个字符串字段并不能表达每段文字所在的 token 边界。

下面的输入故意在内联元素两侧放置不同数量的空格。根元素的默认命名空间是 urn:demo，解析后可从 xml.StartElement.Name.Space 或结构体的 XMLName.Space 取得它。

type Fragment struct {
	XMLName xml.Name // 保存当前元素的命名空间和本地名
	Text    string   `xml:",chardata"` // 仅接收字符数据，不接收子元素标签
}

const input = `左  中   右`

var doc Fragment
if err := xml.Unmarshal([]byte(input), &doc); err != nil {
	return fmt.Errorf("解析 XML: %w", err) // 保留调用方可识别的错误上下文
}
fmt.Println(doc.XMLName.Space, doc.XMLName.Local, doc.Text)

这个结构体能拿到 doc 的身份，但它不是读取混合文本的最佳入口：嵌套标签把文本切开后，结构体字段只负责映射规则匹配，无法让你决定如何按 token 顺序组织片段。需要控制空白时，改用 decoder 更直观。

二、用 Token 循环拼接 CharData

正确的思路是先找到目标 StartElement，再维护一个深度值，在对应的 EndElement 到来时结束当前元素。深度大于目标层级时，仍然可以看到嵌套元素，但只收集它们之间的 CharData；标签本身不会被拼到文本里。

func mixedText(data []byte, want xml.Name) (string, error) {
	dec := xml.NewDecoder(bytes.NewReader(data)) // decoder 按流读取 XML token
	var buf bytes.Buffer
	depth := 0
	found := false

	for {
		tok, err := dec.Token()
		if err == io.EOF {
			break // 正常读完输入
		}
		if err != nil {
			return "", fmt.Errorf("读取 XML token: %w", err) // 及时返回语法错误
		}

		switch v := tok.(type) {
		case xml.StartElement:
			if !found && v.Name == want {
				found = true
				depth = 1 // 从目标元素开始计算嵌套层级
				continue
			}
			if found {
				depth++ // 子元素只改变边界，不写入文本
			}
		case xml.CharData:
			if found && depth > 0 {
				buf.Write(v.Copy()) // 复制 token 数据，避免后续 Token 覆盖底层缓冲区
			}
		case xml.EndElement:
			if found {
				depth--
				if depth == 0 {
					return buf.String(), nil // 目标元素闭合，保留已拼接的空白
				}
			}
		}
	}
	return "", fmt.Errorf("未找到元素 %s", want.Local) // 输入缺少目标元素
}

调用时把 want 设成 xml.Name{Space: "urn:demo", Local: "doc"}。以 | 替换空格后，示例结果应为 |左 |中| 右|。这里没有清理空白，也没有拼接 标签，因此得到的是元素内文字的自然顺序。

三、把 XMLName 与命名空间放进结构体

命名空间判断不要依赖前缀字符串。XML 中的 p:doc 和 doc 可能通过声明指向同一个 URI，Token 会把已知命名空间放到 Name.Space，而 Name.Local 是本地名。结构体约束也可以写成带 namespace URL 的 XMLName 标签，让不匹配的根元素直接返回错误。

type Envelope struct {
	XMLName xml.Name `xml:"urn:demo doc"` // 同时约束命名空间 URI 和本地名
	ID      string   `xml:"id,attr"`      // 属性与字符数据是两条独立映射规则
}

func isDoc(start xml.StartElement) bool {
	return start.Name.Space == "urn:demo" && start.Name.Local == "doc" // 不比较前缀
}

如果只需要读取完整叶子元素的文字，DecodeElement 或 ,chardata 足够；只有在混合内容的空白、嵌套边界或命名空间需要精确控制时，才值得保留 token 循环。这样接口目标清晰，调用方也不必猜测解析器是否偷偷修剪了内容。

四、检查空白、实体和嵌套元素边界

排查“空格丢了”时，先把空格临时替换成可见符号，再比较输入和输出。最常见的错误有三个：把每段 CharData 先 TrimSpace；把 xml.CharData 转成切片后跨下一次 Token 使用；遇到子元素时把它的标签或内容重复追加。

最后要区分 XML 实体和空白：& 等转义在 CharData 中会以字符形式出现，不能把它当成原始字面量再做一次 XML 解码。保留空白的责任属于解析阶段，是否折叠空格则应由后续业务规则明确决定。

相关问题

为什么不用 strings.TrimSpace 处理 CharData？

因为混合文本中的边界空格可能就是内容，例如标签前后的分隔符。TrimSpace 会同时移除首尾空格，导致拼接后的词语改变。

CharData.Copy 是不是每次都必须调用？

如果只在当前 token 生命周期内立即转成字符串或写入缓冲区，可以不保存原切片；只要要放入切片、异步处理或跨下一次 Token 使用，就应复制。