Question

我面临使用DOM解析器解析带有DOCTYPE声明的xhtml的问题。

错误： java.io.IOException：服务器返回HTTP响应代码：503为URL： http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd%20

声明：DOCTYPE html PUBLIC“ - // W3C // DTD XHTML 1.0 Transitional // EN” “http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd

有没有办法将xhtml解析为忽略DOCTYPE声明的Document对象。

Answer 1

对我有用的解决方案是为DocumentBuilder提供一个返回空流的假解析器。这里有一个很好的解释（看看kdgregory的最后一条消息）

http://forums.sun.com/thread.jspa?threadID=5362097

这是kdgregory的解决方案：

documentBuilder.setEntityResolver(new EntityResolver()
        {
            public InputSource resolveEntity(String publicId, String systemId)
                throws SAXException, IOException
            {
                return new InputSource(new StringReader(""));
            }
        });

Answer 2

解析器必需下载DTD，但您可以通过在<?xml... ?>行设置独立属性来解决此问题。

但请注意，此特定错误很可能是由XML架构定义与DTD URL之间的混淆引发的。有关详细信息，请参阅http://www.w3schools.com/xhtml/xhtml_dtd.asp。正确的是：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

Answer 3

最简单的方法是在DocumentBuilderFactory中设置validating = false。如果要进行验证，请下载DTD并使用本地副本。正如上面的Rachel所评论，这在The WWW Consortium.

进行了讨论

简而言之，因为每次验证时默认的DocumentBuilderFactory都会下载DTD，所以每当典型的程序员尝试用Java解析XHTML文件时，W3就会受到攻击。他们承担不起那么大的流量，所以他们回答错误。

Answer 4

以下代码片段指示解析器真正忽略DOCTYPE声明中的外部DTD，而不是假解析器：

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;

(...)

DocumentBuilderFactory f = DocumentBuilderFactory.newInstance();
f.setValidating(false);
f.setAttribute("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);
DocumentBuilder builder = f.newDocumentBuilder();
Document document = builder.parse( ... )

如何使用DOM解析器解析忽略DOCTYPE声明的xhtml

4 个答案: