如果输入文件中未指定 DTD，如何强制 SAX 解析器使用 DTD？

Posted 2023-02-16

【中文标题】如果输入文件中未指定 DTD，如何强制 SAX 解析器使用 DTD？

【英文标题】：How can I force a SAX parser to use a DTD if one is not specified in the input file?

【发布时间】：2011-01-25 15:40:04

【问题描述】：

如何强制 SAX 解析器（特别是 Java 中的 Xerces）在解析文档时使用 DTD，而输入文档中没有 any doctype？这甚至可能吗？

以下是我的场景的更多细节：

我们有一堆符合相同 DTD 的 XML 文档，这些 DTD 由多个不同的系统生成（我都无法更改）。其中一些系统将文档类型添加到其输出文档中，而其他系统则没有。有些使用命名字符实体，有些则不使用。 有些人使用命名的字符实体而不声明文档类型。我知道这不符合规定，但这是我必须使用的。

我正在开发需要用 Java 解析这些文件的系统。目前，它通过首先将 XML 文档作为流读取来处理上述情况，尝试检测它是否定义了 doctype，如果还没有，则添加一个 doctype 声明。问题是这段代码有问题，我想用更干净的代码替换它。

文件很大，所以我不能使用基于 DOM 的解决方案。我也在尝试解析字符实体，因此没有帮助使用 XML Schema。

如果您有解决方案，能否请您直接发布而不是链接到它？如果将来有一个带有死链接的正确解决方案，它对 Stack Overflow 并没有多大好处。

【参考方案1】：

如果文档没有，我认为设置 DOCTYPE 是不明智的。可能的解决方案是写一个假的，就像你已经做的那样。如果您使用的是 SAX，则可以使用这个假 InputStream 和假 DefaultHandler 实现。 （仅适用于 latin1 单字节编码）

我知道这个解决方案也很丑陋，但它只有一个适用于大数据流。

这是一些代码。

private enum State readXmlDec, readXmlDecEnd, writeFakeDoctipe,  writeEnd;

private class MyInputStream extends InputStream

    private final InputStream is;
    private StringBuilder sb = new StringBuilder();
    private int pos = 0;
    private String doctype = "<!DOCTYPE register SYSTEM \"fake.dtd\">";
    private State state = State.readXmlDec;

    private MyInputStream(InputStream source) 
        is = source;
    
    @Override
    public int read() throws IOException 
        int bit;

        switch (state) 
            case readXmlDec:
                bit = is.read();
                sb.append(Character.toChars(bit));
                if(sb.toString().equals("<?xml"))
                    state = State.readXmlDecEnd;
                
                break;
            case readXmlDecEnd:
                bit = is.read();
                if(Character.toChars(bit)[0] == '>')
                    state = State.writeFakeDoctipe;
                
                break;
            case writeFakeDoctipe:
                bit =  doctype.charAt(pos++);
                if(doctype.length() == pos)
                    state = State.writeEnd;
                
                break;
            default:
                bit = is.read();
                break;
        
        return bit;
    

    @Override
    public void close() throws IOException 
        super.close();
        is.close();
    


private static class MyHandler extends DefaultHandler 

    @Override
    public InputSource resolveEntity(String publicId, String systemId) throws IOException, SAXException 
        System.out.println("resolve "+ systemId);
        // get real dtd
        InputStream is = ClassLoader.class.getResourceAsStream("/register.dtd");
        return new InputSource(is);
    

 ... // rest of code