Chromium内核浏览器DOMParser与XMLSerializer嵌套CDATA往返失效问题

问题背景 #

当使用包含正确嵌套CDATA结构的XML字符串（其中嵌套CDATA的结束标记]]被编码为]]]]><![CDATA[），执行以下XML往返操作时：

var parser = new DOMParser();
var resultDocument = parser.parseFromString(sourceXMLString, 'text/xml');

var serializer = new XMLSerializer();
var resultXMLString = serializer.serializeToString(resultDocument);

Chromium内核的Edge/Chrome浏览器会生成错误的XML字符串：原有的]]]]><![CDATA[编码被替换为]]，丢失了正确的嵌套CDATA编码；同时parser.parseFromString返回的DOM文档已损坏，导致XSL转换运行失败。而Firefox和Safari的往返结果与原字符串完全一致。

疑问：是否可以控制Chromium版本DOMParser的parseFromString方法行为，以得到正确的往返结果？

可复现测试代码 #

以下HTML代码可在不同浏览器中运行对比：

<html>
<body>

<p id="demo"></p>

<script>

const simpleXML = "<root><element>Element Data</element></root>";
const cdataXML = "<root><htmlDef><![CDATA[<html><body><div></div></body></html>]]></htmlDef></root>";
const embeddedCDATAXML = "<root><htmlDefn><![CDATA[<div><![CDATA[  Just Rubbish Data $#$^#^$ ]]]]><![CDATA[></div><div></div>]]></htmlDefn></root>";

function testRoundTrip(sourceXMLString) {

   var parser = new DOMParser();
   var resultDocument = parser.parseFromString(sourceXMLString, 'text/xml');
   
   var serializer = new XMLSerializer();
   var resultXMLString = serializer.serializeToString(resultDocument);
   
   if (sourceXMLString === resultXMLString) {
       window.alert("XML字符串往返DOM完全匹配");
       window.alert("原字符串 : " + sourceXMLString);
   } else {
       window.alert("XML字符串往返DOM不匹配");
       window.alert("原字符串 : " + sourceXMLString);
       window.alert("结果字符串 : " + resultXMLString);
   }
}
</script>

<h1>测试XML解析往返兼容性（不同浏览器）</h1>
<h2>使用浏览器内置DOMParser()和XMLSerializer()</h2>
<button type="button" onclick="testRoundTrip(simpleXML)">简单XML</button>
<button type="button" onclick="testRoundTrip(cdataXML)">含CDATA的XML</button>
<button type="button" onclick="testRoundTrip(embeddedCDATAXML)">含嵌套CDATA的XML</button>
</body>
</html>

解决方案 #

目前无法直接控制Chromium内核DOMParser的parseFromString方法行为来保留原始的CDATA编码格式，这是因为Chromium的XML解析实现会将CDATA节点的内容合并为纯文本，序列化时只会根据内容是否包含]]>来决定是否拆分CDATA，不会保留原始的编码拆分方式。

要解决这个问题，可以采取以下两种方案：

• 自定义XML序列化逻辑：解析DOM后，手动遍历CDATA节点，检查内容中是否存在]]，如果存在则按照原始的编码方式拆分CDATA段进行序列化，而非依赖XMLSerializer。
• 替换嵌套CDATA的编码方式：改用实体编码替代CDATA嵌套，比如将]]替换为]]>（需确保XML解析器能正确处理实体），或者将需要嵌套的内容放在单独的元素节点中，而非CDATA内部。

该问题属于Chromium内核的已知兼容性问题，目前暂无官方参数或配置可调整DOMParser的这种行为。

内容的提问来源于stack exchange，提问作者Garry P