如何序列化不含xmlns属性的XML？Scala.js代码移除属性失效

你这段Scala.js代码的核心逻辑是把HTML字符串转成符合XHTML规范的内容，但遇到了移除xmlns属性后，最终innerHTML仍保留该属性的问题，我来帮你拆解下问题根源和解决办法。

你的核心实现代码 #

先把你的核心函数和依赖函数整理出来：

主转换函数 #

def htmlToXHTML(input: String) (implicit parser: DOMParser, serializer: XMLSerializer): String = {
  val doc = parser.parseFromString(input, "text/html")
  val body = getElementByXpath("/html/body", doc).singleNodeValue
  val bodyXmlString = serializer.serializeToString(body)
  val xmldoc = parser.parseFromString(bodyXmlString, "application/xml")
  val xmlDocElems: NodeList = xmldoc.getElementsByTagName("*")
  xmlDocElems.foreach{
    case elem: Element => elem.removeAttribute("xmlns")
      println(s"Found element $elem with html: ${elem.outerHTML}")
    case node => println(s"Warning: found unexpected non-element node: $node.")
  }
  xmldoc.firstElementChild.innerHTML
}

依赖的XPath查询函数 #

def getElementByXpath(xpath: String, doc: Document): XPathResult = doc.evaluate(
  xpath, doc, null.asInstanceOf[XPathNSResolver], XPathResult.FIRST_ORDERED_NODE_TYPE, null
)

问题根源分析 #

你已经猜中了关键：当解析XML时，如果DTD（文档类型定义）中指定了xmlns的默认值，你移除属性后，解析器会立刻自动补上这个默认值——这就是为什么你看到console.log里定位到了元素，但最终输出还是带着xmlns。

另外还有个隐藏问题：你用innerHTML获取最终结果，而innerHTML在处理XML文档时，会根据当前文档的命名空间规则自动补全必要属性，这也会让xmlns重新冒出来。

修复方案 #

我们换一种思路，避开解析器自动补全的机制，直接在字符串层面处理，同时用更可靠的序列化方式输出：

def htmlToXHTML(input: String) (implicit parser: DOMParser, serializer: XMLSerializer): String = {
  val doc = parser.parseFromString(input, "text/html")
  val body = getElementByXpath("/html/body", doc).singleNodeValue
  
  // 先把body序列化为XML字符串
  val bodyXmlString = serializer.serializeToString(body)
  // 直接在字符串阶段移除html默认命名空间的xmlns声明
  val cleanedXmlString = bodyXmlString.replaceAll("""xmlns="http://www.w3.org/1999/xhtml"""", "")
  
  // 可选：重新解析验证结构（如果需要保证XML合法性）
  val xmldoc = parser.parseFromString(cleanedXmlString, "application/xml")
  // 用XMLSerializer序列化节点，替代innerHTML的自动补全逻辑
  serializer.serializeToString(xmldoc.firstElementChild)
}

修复思路说明 #

1. 字符串层面直接处理：在序列化后的XML字符串阶段就移除目标xmlns属性，从根源上避免解析器触发默认值补全。
2. 用XMLSerializer替代innerHTML：XMLSerializer会严格按照节点的当前属性状态序列化，不会像innerHTML那样根据上下文自动补全命名空间属性，能保证输出和预期一致。

额外优化建议 #

• 如果你的HTML包含自定义命名空间，可以调整正则表达式，只移除你不需要的特定命名空间声明，避免误删。
• 建议添加空值检查，比如判断body是否为null，避免运行时空指针异常。

内容的提问来源于stack exchange，提问作者bbarker