Question

我正在将xslt应用于HTML文件（已经过滤并整理以使其可解析为XML）。

我的代码如下所示：

TransformerFactory transformerFactory = TransformerFactory.newInstance();
this.xslt = transformerFactory.newTransformer(xsltSource);
xslt.transform(sanitizedXHTML, result);

但是，我收到的每个doctype都会收到错误：

错误：'服务器返回HTTP响应代码：503为URL：http://www.w3.org/TR/html4/loose.dtd'

我从浏览器访问dtds没有问题。

我几乎无法控制正在解析的HTML，并且因为我需要实体，所以无法翻录DOCTYPE。

欢迎任何帮助。

修改

我试图像这样禁用DTD验证：

private Source getSource(StreamSource sanitizedXHTML) throws ParsingException {
    SAXParserFactory spf = SAXParserFactory.newInstance();
    spf.setNamespaceAware(false);
    spf.setValidating(false);  // Turn off validation

    XMLReader rdr;

    try {
        rdr = spf.newSAXParser().getXMLReader();
    } catch (SAXException e) {
        throw new ParsingException(e);
    } catch (ParserConfigurationException e) {
        throw new ParsingException(e);
    }

    InputSource inputSrc = new InputSource(sanitizedXHTML.getInputStream());
    return new SAXSource(rdr, inputSrc);
}

然后只是调用它......

    Source source = getSource(sanitizedXHTML);
    xslt.transform(source, result);

错误仍然存在。

编辑2：

写了一个实体解析器，并在我的本地磁盘上获得了HTML 4.01 Transitional DTD。但是，我现在收到此错误：

错误：'实体“HTML.Version”的声明必须以“＆gt;”结尾。'

DTD ，从w3.org下载

Answer 1

我在answer中对相关问题提出了一些建议。

特别是，在解析XML文档时，您可能希望关闭DTD验证，以防止解析器尝试获取DTD。或者，您可以使用自己的实体解析程序返回DTD的本地副本，而不是通过网络获取它。

编辑：在SAX Parser Factory上调用setValidating(false)可能不足以阻止解析器加载外部DTD。解析器可能需要DTD用于其他目的，例如实体定义。（也许您可以更改HTML清理/预处理阶段，将所有实体引用替换为等效的数字字符实体引用，从而消除对DTD的需求？）

我认为没有standard SAX feature flag可以确保完全禁用外部DTD加载，因此您可能必须使用特定于解析器的内容。因此，如果您正在使用Xerces，则可能需要查找Xerces-specific features并致电setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false)以确定。

Answer 2

假设您想要加载DTD（对于您的实体），您将需要使用解析器。您遇到的基本问题是W3C出于性能原因限制了对DTD URL的访问（如果不这样做，则不会获得任何性能）。

现在您应该使用DTD的本地副本并使用目录来处理此问题。你应该看一下Apache Commons Resolver。如果您不知道如何使用目录，则Norm Walsh's article

中会详细记录这些目录

当然，如果您进行验证，则会遇到问题。这是一个SGML DTD，您正在尝试将其用于XML。这不起作用（可能）

应用XSLT时访问w3.org时出错

2 个答案: