XML Formatter：空白文本节点污染与 mixed content

一、问题概述：看起来只是缩进，DOM 中却多了文本

元素内容全部是子元素时，换行缩进通常可以被视为格式空白；但文本与子元素交错时，Hello 、world 和 ! 的相邻空白属于内容。formatter 若无条件插入换行，重新解析后可能改变 textContent 或混合内容的显示。

二、最小复现：格式化前后的文本节点

下面的 XML 说明同一个元素既包含文本又包含子元素。是否允许在 <b> 前后插入换行，必须由 mixed-content 规则决定，而不能只看元素深度。

const inline = "<p>Hello <b>world</b>!</p>";
const pretty = "<p>\n  Hello <b>world</b>\n  !\n</p>";

console.log(inline);
console.log(pretty);
// A DOM reparse can expose the inserted newlines as text nodes.

三、根因：字符串格式化和 DOM 序列化不是同一操作

字符串 formatter 可以在不理解 XML 树的情况下调整字符，但 DOM 序列化会依据节点类型重新输出文本、属性和元素。解析再格式化还会丢失原始前缀/实体表示等词法细节，因此必须明确是要保留源码字符，还是要输出新的 DOM 表示。

四、推荐方案：检测 mixed content 后选择内联或保守输出

若元素同时拥有非空文本节点和元素子节点，应将其视为 mixed content，默认保持内联，或由 schema 提供专门排版规则。只有元素内容完全由元素子节点组成时，才适合自动插入缩进空白。字符串格式化与 DOM 重解析应分开验证。

五、完整代码：识别 mixed content

下面的节点模型只用于排版决策。isMixedContent 把非空文本和元素子节点同时存在视为混合内容，formatter 可以据此跳过自动换行。

type Node =
  | { kind: "text"; value: string }
  | { kind: "element"; name: string; children: Node[] };

function isMixedContent(node: Extract<Node, { kind: "element" }>): boolean {
  const hasText = node.children.some((child) => child.kind === "text" && child.value.trim() !== "");
  const hasElement = node.children.some((child) => child.kind === "element");
  return hasText && hasElement;
}

const paragraph: Node = {
  kind: "element",
  name: "p",
  children: [{ kind: "text", value: "Hello " }, { kind: "element", name: "b", children: [{ kind: "text", value: "world" }] }, { kind: "text", value: "!" }],
};
console.log(isMixedContent(paragraph)); // true

六、常见错误方案

把所有文本节点的空白都 trim 会删除 Hello 末尾或单词之间的必要空格；把每个元素都展开成多行会污染 mixed content；只比较格式化后的字符串也无法发现 DOM 重新解析后多出的文本节点。

七、边界条件：纯元素、纯文本与 CDATA

纯元素容器通常可以安全缩进，但仍要考虑 xml:space="preserve" 等约定；纯文本节点的前后空白可能属于数据；CDATA 解析后通常表现为文本，排版策略不能依据源码标记臆测。

八、如何验证格式没有污染内容

分别测试纯元素树、纯文本、mixed content、CDATA、xml:space 和相邻空白。比较格式化前后解析 DOM 的 textContent、子节点类型和顺序；如果目标是源码级格式化，还要比较实体和换行是否按预期保留。

九、FAQ

问：所有 XML 都能漂亮地换行吗？答：不是，mixed content 和 xml:space 可能要求保留空白。

问：只在字符串层格式化是不是一定安全？答：它不会新增 DOM 文本节点，但仍需正确识别标签、注释和 CDATA 边界。

问：DOM 序列化会保留原始缩进吗？答：DOM 通常只保留节点信息，不保证源码中的空白表示。

十、总结

XML formatter 必须区分源码字符排版与解析 DOM 后的重新序列化。纯元素内容可以自动缩进，mixed content 和保留空白场景应保持内联或遵循 schema；验证时比较 DOM 文本节点，而不只比较视觉格式。