在 XOM 中解析 XHTML 文档时出现 DTD 下载错误

Posted 2023-02-23

【中文标题】在 XOM 中解析 XHTML 文档时出现 DTD 下载错误

【英文标题】：DTD download error while parsing XHTML document in XOM

【发布时间】：2010-11-03 03:40:36

【问题描述】：

我正在尝试使用声明为使用的 doctype 解析 html 文档 过渡dtd如下：

渡//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

当我对文档执行 Builder.build 时，出现以下异常：

  java.io.IOException: Server returned HTTP response code: 503 for URL: http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd
       at sun.net.www.protocol.http.HttpURLConnection.getInputStream(HttpURLConnection.java:1305)
       at org.apache.xerces.impl.XMLEntityManager.setupCurrentEntity(Unknown Source)
       at org.apache.xerces.impl.XMLEntityManager.startEntity(Unknown Source)
       at org.apache.xerces.impl.XMLEntityManager.startDTDEntity(Unknown Source)
       at org.apache.xerces.impl.XMLDTDScannerImpl.setInputSource(Unknown Source)
       at org.apache.xerces.impl.XMLDocumentScannerImpl$DTDDispatcher.dispatch(Unknown Source)
       at org.apache.xerces.impl.XMLDocumentFragmentScannerImpl.scanDocument(Unknown Source)
       at org.apache.xerces.parsers.DTDConfiguration.parse(Unknown Source)
       at org.apache.xerces.parsers.DTDConfiguration.parse(Unknown Source)
       at org.apache.xerces.parsers.XMLParser.parse(Unknown Source)
       at org.apache.xerces.parsers.AbstractSAXParser.parse(Unknown Source)
       at nu.xom.Builder.build(Builder.java:1127)
       at nu.xom.Builder.build(Builder.java:1019)

如果我删除文档类型声明，它解析就好了。我能 从我的浏览器成功下载了 dtd，它告诉我 网址有效。我不想删除文档类型声明。是 有一种方法可以告诉构建器不要下载或提供 dtd 使用备用 dtd？

【问题讨论】：

您是从“野”中解析 html 还是您创建/控制了正在解析的页面？

我可以控制我正在解析的 html，所以至少我可以删除 doctype 声明。但我正在努力坚持良好做法并保留 doctype 声明。

【参考方案1】：

这样就解决了问题：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
            factory.setValidating(false);
            factory.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);
            Document document = factory.newDocumentBuilder().parse(is);

【参考方案2】：

快速查看Builder 的javadoc，我想您可以通过采用XMLReader 的构造函数提供EntityResolver。我会尽可能避免让解析器从 Internet 下载文件。

【讨论】：

org.apache.xerces.parsers.SAXParser xmlReader = new SAXParser(); xmlReader.setFeature("apache.org/xml/features/nonvalidating/load-external-dtd", false);生成器 xomBuilder = new Builder(xmlReader);

为什么会发生 503：w3.org/blog/systeam/2008/02/08/w3c_s_excessive_dtd_traffic

我没有禁用 DTD，而是下载了它，并将其作为嵌入式资源添加到我的软件中；所以，然后，当解析器需要它时，我给它我本地/下载/缓存的 DTD 副本，而不是从互联网上获取它。我认为这比完全禁用 DTD 处理要好。