Question

当我将此xhtml文件解析为xml时，在这样一个简单的文件上进行解析大约需要2分钟。我发现如果删除doctype声明，它会立即解析。导致此文件花费这么长时间解析的错误是什么？

Java示例

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setNamespaceAware( true );
DocumentBuilder bob = dbf.newDocumentBuilder();
Document template = bob.parse( new InputSource( new FileReader( xmlFile ) ) );

XHTML示例

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml"
    xmlns:ex="http://www.example.com/schema/v1_0_0">
    <head><title>Test</title></head>
    <body>
        <h1>Test</h1>
        <p>Hello, World!</p>
        <p><ex:test>Text</ex:test></p>
    </body>
</html>

由于

编辑：解决方案

为了根据提供的有关原因的问题实际解决问题，我做了以下基本步骤：

将与DTD相关的文件下载到src / main / resources文件夹
创建自定义EntityResolver以从类路径中读取这些文件
告诉我的DocumentBuilder使用我的新EntityResolver

我这样做引用了这个答案：how to validate XML using java?

New EntityResolver

import java.io.IOException;

import org.xml.sax.EntityResolver;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;

public class LocalXhtmlDtdEntityResolver implements EntityResolver {

    /* (non-Javadoc)
     * @see org.xml.sax.EntityResolver#resolveEntity(java.lang.String, java.lang.String)
     */
    @Override
    public InputSource resolveEntity( String publicId, String systemId )
            throws SAXException, IOException {
        String fileName = systemId.substring( systemId.lastIndexOf( "/" ) + 1 );    
        return new InputSource( 
                getClass().getClassLoader().getResourceAsStream( fileName ) );
    }

}

如何使用新的EntityResolver：

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setNamespaceAware( true );
DocumentBuilder bob = dbf.newDocumentBuilder();
bob.setEntityResolver( new LocalXhtmlDtdEntityResolver() );
Document template = bob.parse( new InputSource( new FileReader( xmlFile ) ) );

Answer 1

Java正在下载指定的DTD及其包含的文件，以验证您的xhtml文件是否服从指定的DTD。使用Charles代理我记录了以下请求，并指定了要加载的数量：

http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd - 30.4秒
http://www.w3.org/TR/xhtml1/DTD/xhtml-lat1.ent - 30.19 sec
http://www.w3.org/TR/xhtml1/DTD/xhtml-symbol.ent - 30.23秒
http://www.w3.org/TR/xhtml1/DTD/xhtml-special.ent - 30.20秒

Answer 2

实际上，你很幸运能得到这些文件。 W3C故意对这些文档的请求没有响应，因为它们无法处理大量请求。您需要为解析器提供本地副本。

在Java世界中执行此操作的常用方法是使用Apache / Oasis目录解析器。

最新版本的Saxon具有这些常用DTD和实体文件的内置知识，如果您允许Saxon提供XML解析器，它将自动配置为使用本地副本。即使您没有使用XSLT或XQuery来处理数据，也可以利用这一点：只需创建一个Saxon Configuration对象并调用其getSourceParser（）方法来获取XMLReader。

（也许这也是摆脱DOM的好时机。在Java中处理XML的众多选择中，DOM可能是最差的。如果必须使用低级导航API，请选择一个像样的一个像JDOM或XOM。）

糟糕的性能解析XHTML文件与Doctype作为XML文档

2 个答案: