Question

我目前正在编写一个使用Java 1.6的工具，它汇集了许多XML文件。所有文件都验证了DocBook 4.5 DTD（我使用xmllint检查了这一点，并将DocBook 4.5 DTD指定为--dtdvalid参数），但并非所有文件都包含DOCTYPE声明。

我将每个XML文件加载到DOM中以执行所需的操作，如下所示：

private Document fileToDocument( File input ) throws ParserConfigurationException, IOException, SAXException {

    DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

    factory.setNamespaceAware(true);
    factory.setIgnoringElementContentWhitespace(false);
    factory.setIgnoringComments(false);
    factory.setValidating(false);
    factory.setExpandEntityReferences(false);

    DocumentBuilder builder = factory.newDocumentBuilder();
    return builder.parse( input );

}

在大多数情况下，这一点非常有效，我可以使用他返回的对象来导航树并执行所需的操作，然后将文档写回。我遇到问题的地方是文件：

不要包含DOCTYPE声明和
包括DTD中定义的实体（例如＆amp; mdash; / - ）。

在这种情况下，使用消息从builder.parse（...）调用抛出异常：

[Fatal Error] :5:15: The entity "mdash" was referenced, but not declared.

很公平，没有宣布。在这个实例中我理想的做法是将DocumentBuilderFactory设置为始终使用DocBook 4.5 DTD，无论文件中是否指定了一个。

我确实尝试使用DocBook 4.5架构进行验证，但发现这会产生许多与XML无关的错误。似乎模式可能在功能上不等同于DTD，至少对于此版本的DocBook规范而言。

我能想到的另一个选择是读取文件，尝试并检测是否设置了doctype，然后在实际将XML解析到DOM之前设置了一个。

所以，我的问题是，是否有一种更聪明的方式，我没有看到告诉解析器使用特定的DTD或确保解析继续进行尽管实体没有解析（不仅仅是＆amp; emdash;示例，但任何实体在XML中 - 有大量的潜力）？

Answer 1

可以使用EntityResolver2并实施EntityResolver2.getExternalSubset()帮助吗？

...此方法也可用于没有DOCTYPE声明的文档。遇到根元素但未看到DOCTYPE声明时，将调用此方法。如果它返回外部子集的值，则将该根元素声明为根元素，从而产生在文档的序言末尾拼接DOCTYPE声明的效果，否则该元素无效。 ...

指定DocumentBuilders用于XML解析的DTD？

1 个答案: