Jsoup 1.18.2版本XML输出模式下属性名称限制问题解析

在Jsoup 1.18.2版本中，当使用XML语法输出时，包含连字符(-)、点号(.)或数字的属性会被意外丢弃。这个问题影响了使用自定义数据属性(data-*)或其他特殊字符属性的开发者。

问题现象

在XML输出模式下，开发者发现以下类型的属性无法正常保留：

1. 包含连字符的属性名（如data-first-test）
2. 包含点号的属性名
3. 包含数字的属性名

而普通字母属性（如target）则不受影响。这个问题在从1.18.1升级到1.18.2时突然出现，导致许多现有代码和测试用例失败。

技术背景

Jsoup是一个流行的Java HTML解析器，它支持多种输出语法模式，包括HTML和XML。在XML模式下，Jsoup会对属性名称进行更严格的验证，确保它们符合XML规范。

XML属性名称规范要求：

• 必须以字母或下划线开头
• 可以包含字母、数字、连字符、下划线和点号
• 不能包含空格或其他特殊字符

问题根源

这个问题的根本原因是1.18.2版本中引入的一个正则表达式变更。原本用于验证XML属性名称的正则表达式[a-zA-Z_:][-a-zA-Z0-9_:.]*在重构时被简化，意外地移除了对连字符、数字和点号的支持。

具体来说，修改后的正则表达式没有包含这些有效字符，导致Jsoup在XML输出模式下将这些属性视为无效而丢弃。

解决方案

Jsoup团队在1.18.3版本中修复了这个问题，恢复了完整的属性名称验证规则。修复内容包括：

1. 重新引入连字符(-)支持
2. 恢复数字(0-9)支持
3. 重新添加点号(.)支持
4. 增加了更全面的测试覆盖，防止类似问题再次发生

开发者建议

对于遇到此问题的开发者，建议：

1. 立即升级到Jsoup 1.18.3或更高版本
2. 检查项目中是否依赖包含特殊字符的属性名
3. 在升级前进行充分测试，特别是使用XML输出模式的部分

总结

这个案例提醒我们，即使是看似简单的正则表达式变更也可能带来意想不到的兼容性问题。Jsoup团队快速响应并修复问题的做法值得赞赏，同时也展示了开源社区解决问题的效率。

对于开发者而言，保持依赖库的及时更新，同时建立完善的测试体系，是避免类似问题影响生产环境的关键。