如何在Java中读取格式良好的XML，但跳过模式？

Question

我想读取一个包含模式声明的XML文件。我只想读取它，不在意它是否有效，但我希望它是格式良好的。问题在于读取器正在尝试读取模式文件并失败了。我不希望它甚至尝试这样做。 我已经尝试禁用验证，但它仍然坚持尝试读取模式文件。理想情况下，我希望能够使用标准的Java 5 JDK完成这项任务。以下是我目前拥有的非常简单的代码：

    DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
    dbf.setValidating(false);
    DocumentBuilder db = dbf.newDocumentBuilder();
    Document doc = db.parse(file);

这里是我得到的异常信息：

java.lang.RuntimeException: java.io.IOException: Server returned HTTP response code: 503 for URL: http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd

是的，这碰巧是一个XHTML模式，但这不是一个"XHTML"问题，而是一个XML问题。我只是指出这一点，以免人们分心。在这种情况下，W3C基本上是在说"不要请求这个东西，这是一个愚蠢的想法"，我也同意。但是，这仍然只是问题的细节，不是根本原因。我根本不想请求它。

- Will Hartung

---

这似乎与以下有关：https://dev59.com/AXVC5IYBdhLWcg3w4Vb6 - jt.

Answer 1

这个参考文献不是针对 Schema，而是针对一个DTD。

DTD文件不仅包含结构规则，还可以包含实体引用。XML解析器必须加载和解析DTD引用，因为它们可能包含实体引用，这可能会影响文档的解析方式和文件内容（你可能有字符或整个文本短语的实体引用）。

如果您想避免加载和解析引用的DTD，您可以提供自己的EntityResolver并检测引用的DTD，决定是加载DTD文件的本地副本还是只返回null。

来自相关答案中的自定义EntityResolvers示例代码：

   builder.setEntityResolver(new EntityResolver() {
        @Override
        public InputSource resolveEntity(String publicId, String systemId)
                throws SAXException, IOException {
            if (systemId.contains("foo.dtd")) {
                return new InputSource(new StringReader(""));
            } else {
                return null;
            }
        }
    });

- Mads Hansen

---

我曾经想过这就是我必须要做的事情，我只是创建了一个“空”的EntityResolver，它始终为所有内容返回空InputSource。这似乎起到了作用。 - Will Hartung

我遇到了同样的问题，我采用了这个解决方案。它解决了IOException。我的担忧是，使用空实体解析器会丢失DOCTYPE。我希望保留这个DOCTYPE，并不从输入中删除它。这可能吗？ - Rachel

Answer 2

最简单的答案是在创建DocumentBuilderFactory之后调用这个一行代码：

dbf.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);

不加掩饰地借用自Make DocumentBuilder.parse ignore DTD references.

- lambshaanxy

---

这很好，但是如果您要解析的文档确实包含DTD怎么办？使用此标志，您将只会得到一个SAXParseException并且整个过程将失败。简单地忽略DTD，但继续解析更加灵活。 - Dmitry Pashkevich

Answer 3

这里的问题不在于验证。无论验证设置如何，解析器仍会尝试解析文档中的任何引用，例如实体、DTD和（有时）模式。只有在稍后它才决定使用它们进行验证（或不验证）。您需要插入一个实体解析器来“拦截”这些取消引用的尝试。

请查看Apache XML Resolver，以了解一种相对容易的方法来完成此操作。

- skaffman

Answer 4

我没有测试过这个，但你可以尝试在工厂上调用setSchema并传递null。

例如：

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setValidating(false);
dbf.setSchema(null);
DocumentBuilder db = dbf.newDocumentBuilder();
Document doc = db.parse(file);

更新：查看DocumentBuilderImpl，看起来这可能有效，从构造函数开始，它将在检查模式之前从工厂检查语法。

从DocumentBuilderFactoryImpl：

public void setSchema(Schema grammar) {
    this.grammar = grammar;
}

从DocumentBuilderImpl构造函数：

...
this.grammar = dbf.getSchema();
if (grammar != null) {
    XMLParserConfiguration config = domParser.getXMLParserConfiguration();
    XMLComponent validatorComponent = null;
    /** For Xerces grammars, use built-in schema validator. **/
    ...
}

- Rich Seller

Answer 5

这个方法可以很好地检查XML是否格式正确，无论它是否包含DTD声明。

- user3332322