Jsoup项目中的XML格式化优化：解决特定标签换行问题

在电子书制作领域，EPUB格式对XHTML文件的格式要求非常严格。近期Jsoup项目针对XML文档的格式化输出进行了重要改进，特别是解决了特定标签后自动换行的问题。

问题背景

在EPUB文件的XHTML文档中，元数据标签如<dc:language>通常需要保持紧凑格式。然而Jsoup默认的格式化输出会在这些标签后添加换行和缩进，导致某些阅读器无法正确解析。例如：

<dc:language>
   ja
</dc:language>

这种格式虽然美观，但不符合部分阅读器的严格要求。

技术解决方案

Jsoup维护团队对XML格式化逻辑进行了重构，主要包含两个关键改进：

1. 智能标签类型推断：对于XML中的未知标签，现在默认将其视为行内元素(inline)，不再自动添加换行。只有当标签包含子元素时，才会被识别为块级元素(block)。

2. 自定义标签控制：新增了通过代码精确控制标签格式化行为的能力。开发者可以显式指定标签类型：

// 将metadata标签设为块级
Element meta = doc.expectFirst("metadata");
meta.tag().set(Tag.Block);

实际效果

经过优化后，XML输出变得更加灵活可控：

1. 默认情况下，简单文本标签保持紧凑：

<dc:language>ja</dc:language>

2. 当需要结构化显示时，块级标签自动缩进：

<metadata>
 <dc:identifier>id</dc:identifier>
 <dc:title>书名</dc:title>
</metadata>

技术意义

这项改进对电子书开发者尤为重要：

1. 解决了EPUB阅读器的兼容性问题
2. 提供了更精细的格式控制能力
3. 保持了XML文档的可读性和规范性
4. 不影响已有HTML文档的处理逻辑

开发者现在可以更轻松地生成符合各种阅读器要求的EPUB文件，而无需手动进行字符串替换等临时解决方案。

最佳实践建议

对于EPUB开发：

1. 使用XML解析模式处理OPF文件
2. 对关键元数据标签保持默认的紧凑格式
3. 对包含子元素的复杂结构启用块级格式化

这项改进将在Jsoup的下个主要版本中发布，为XML文档处理提供更专业的支持。