Question

我正在尝试读取为IAM数据库提供的xml文件，以便构建数据库。我正在使用Matlab读取这些文件并使用xmlread。

xml文件远远超过1500，几乎所有文件都给出了同样的错误：

Java exception occurred:
java.io.FileNotFoundException: http://www.fki.inf.unibe.ch/iamdb/form-metadata.dtd

    at sun.net.www.protocol.http.HttpURLConnection.getInputStream(Unknown Source)

    at org.apache.xerces.impl.XMLEntityManager.setupCurrentEntity(Unknown Source)

    at org.apache.xerces.impl.XMLEntityManager.startEntity(Unknown Source)

以下是我尝试阅读的xml文件之一：http://pastebin.com/TtQz4ZCV

顶部未找到的链接是404页面，因此它不再存在而且忘记修复它。

现在我唯一的选择是从所有xml文件中手动删除此行吗？还是有一个简单的解决方法来阅读这个？

Answer 1

您需要为解析器禁用外部DTD加载。要完成此操作，您可以创建自定义DocumentBuilder对象disable the external DTD loading，并将其作为xmlread的第二个输入传递。

隐藏的xmlread文档（如果您使用edit xmlread打开文件，则可见）：

% Advanced use:
%   Note that FILENAME can also be an InputSource, File, or InputStream object
%   DOMNODE = XMLREAD(FILENAME,...,P,...) where P is a DocumentBuilder object
%   DOMNODE = XMLREAD(FILENAME,...,'-validating',...) will create a validating
%             parser if one was not provided.
%   DOMNODE = XMLREAD(FILENAME,...,ER,...) where ER is an EntityResolver will
%             will set the EntityResolver before parsing
%   DOMNODE = XMLREAD(FILENAME,...,EH,...) where EH is an ErrorHandler will
%             will set the ErrorHandler before parsing
%   [DOMNODE,P] = XMLREAD(FILENAME,...) will return a parser suitable for passing
%             back to XMLREAD for future parses.
%

所以这最终看起来像这样：

% Create the DocumentBuilder
builder = javax.xml.parsers.DocumentBuilderFactory.newInstance;

% Disable validation
builder.setFeature('http://apache.org/xml/features/nonvalidating/load-external-dtd', false);

% Read your file
xml = xmlread(filename, builder);

请注意，此可能可能导致您的文件被错误地解析。

<强>更新

所以仔细研究一下，一旦我们通过DTD验证失败，FEX xml2struct就无法正确处理XML中的DOCTYPE条目，并试图像处理它一样处理它正常节点。您可以修改xml2struct的来源以在内部检测此内容：

if node.getNodeType == node.DOCUMENT_TYPE_NODE

但是，删除所有XML文件的所有DOCTYPE可能会更容易。以下脚本应该能够执行此操作。

folder = 'directory/where/all/files/live';

files = dir(fullfile(folder, '*.xml'));

for k = 1:numel(files)
    filename = fullfile(folder, files(k).name);
    fid = fopen(filename, 'rt');
    content = fread(fid, '*char')';
    fclose(fid);

    newcontent = regexprep(content, '\n\s*?<!DOCTYPE.*?(?=\n)', '');

    fout = fopen(filename, 'wt');
    fwrite(fout, newcontent);
    fclose(fout);
end

读取xml文件时出现java异常错误

1 个答案: