Question

我正在开发一个系统，该系统应该能够读取任何（或至少是任何格式良好的）XML文件，操作一些节点并将它们写回到同一个文件中。我希望我的代码尽可能通用，我不想要

在我的代码中的任何位置对模式/ Doctype信息进行硬编码引用。 doctype信息在源文档中，我想保留该doctype信息，而不是在我的代码中再次提供。如果文档没有DocType，我将不添加一个。除了我的几个节点之外，我根本不关心这些文件的形式或内容。
自定义EntityResolvers或StreamFilters以省略或以其他方式操纵源信息（已经遗憾的是，命名空间信息似乎无法从声明它的文档文件中访问，但我可以使用丑陋的XPath进行管理）
DTD验证。我没有引用的DTD，我不想包含它们，并且在不知道它们的情况下完全可以进行节点操作。

目标是使源文件完全不变，除了通过XPath检索的已更改的节点。我想逃避标准的javax.xml。

到目前为止我的进展：

    DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

    factory.setAttribute("http://xml.org/sax/features/namespaces", true);
    factory.setAttribute("http://xml.org/sax/features/validation", false);
    factory.setAttribute("http://apache.org/xml/features/nonvalidating/load-dtd-grammar", false);
    factory.setAttribute("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);

    factory.setNamespaceAware(true);
    factory.setIgnoringElementContentWhitespace(false);
    factory.setIgnoringComments(false);
    factory.setValidating(false);
    DocumentBuilder builder = factory.newDocumentBuilder();
    Document document = builder.parse(new InputSource(inStream));

这会成功地将XML源加载到org.w3c.dom.Document中，忽略DTD验证。我可以替换，然后使用

    Source source = new DOMSource(document);
    Result result = new StreamResult(getOutputStream(getPath()));

    // Write the DOM document to the file
    Transformer xformer = TransformerFactory.newInstance().newTransformer();
    xformer.transform(source, result);

把它写回来。这几乎是完美的。但无论我做什么，Doctype标签都不见了。在调试时，我看到解析后在Document对象中有一个DeferredDoctypeImpl [log4j：configuration：null]对象，但它在某种程度上是错误的，空的或被忽略的。我测试的文件就是这样开始的（但是对于其他文件类型它是一样的）：

＆lt;？xml version =“1.0”encoding =“UTF-8”？＆gt;

＆lt;！DOCTYPE log4j：配置系统“log4j.dtd”＆gt;

＆lt; log4j：configuration xmlns：log4j =“http://jakarta.apache.org/log4j/”debug =“false”＆gt;

[...]

我认为有很多（简单？）方法涉及黑客攻击或将额外的JAR引入项目中。但我更愿意使用我已经使用过的工具。

Answer 1

抱歉，现在使用XMLSerializer代替Transformer ......

Answer 2

以下是使用JDK中的LSSerializer实现的方法：

    private void writeDocument(Document doc, String filename)
            throws IOException {
        Writer writer = null;
        try {
            /*
             * Could extract "ls" to an instance attribute, so it can be reused.
             */
            DOMImplementationLS ls = (DOMImplementationLS) 
                    DOMImplementationRegistry.newInstance().
                            getDOMImplementation("LS");
            writer = new OutputStreamWriter(new FileOutputStream(filename));
            LSOutput lsout = ls.createLSOutput();
            lsout.setCharacterStream(writer);
            /*
             * If "doc" has been constructed by parsing an XML document, we
             * should keep its encoding when serializing it; if it has been
             * constructed in memory, its encoding has to be decided by the
             * client code.
             */
            lsout.setEncoding(doc.getXmlEncoding());
            LSSerializer serializer = ls.createLSSerializer();
            serializer.write(doc, lsout);
        } catch (Exception e) {
            throw new IOException(e);
        } finally {
            if (writer != null) writer.close();
        }
    }

需要进口：

import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.io.Writer;
import org.w3c.dom.Document;
import org.w3c.dom.bootstrap.DOMImplementationRegistry;
import org.w3c.dom.ls.DOMImplementationLS;
import org.w3c.dom.ls.LSOutput;
import org.w3c.dom.ls.LSSerializer;

我知道这是一个已经回答的旧问题，但我认为技术细节可能有助于某人。

Answer 3

我尝试使用LSSerializer库，并且在保留Doctype方面无法使用它。这是斯蒂芬可能使用的解决方案 注意：这是在scala中但使用了一个java库，所以只需转换代码

import com.sun.org.apache.xml.internal.serialize.{OutputFormat, XMLSerializer}
 def transformXML(root: Element, file: String): Unit = {
    val doc = root.getOwnerDocument
    val format = new OutputFormat(doc)
    format.setIndenting(true)
    val writer = new OutputStreamWriter(new FileOutputStream(new File(file)))
    val serializer = new XMLSerializer(writer, format)
    serializer.serialize(doc)

  }

如何在编写XML文件时忽略DTD验证但保留Doctype？

3 个答案: