使用DOM解析XML时，DOCTYPE会被删除。

Question

用 Java 操作 DOM 编辑 XML 时，为什么会擦除文档类型声明？

这是我得到的 XML 文件：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE map[ <!ELEMENT map (station*) >
                <!ATTLIST station  id   ID    #REQUIRED> ]>
<favoris>
<station id="5">test1</station>
<station id="6">test1</station>
<station id="8">test1</station>
</favoris> 

我的函数非常基础：

public static void EditStationName(int id, InputStream is, String path, String name) throws ParserConfigurationException, SAXException, IOException, TransformerFactoryConfigurationError, TransformerException{
    DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

    DocumentBuilder builder = factory.newDocumentBuilder();
    Document dom = builder.parse(is);

    Element e = dom. getElementById(String.valueOf(id));
    e.setTextContent(name);
    // Write the DOM document to the file
    Transformer xformer = TransformerFactory.newInstance().newTransformer();
    FileOutputStream fos = new FileOutputStream(path);
    Result result = new StreamResult(fos);  
    Source source = new DOMSource(dom);


        xformer.setOutputProperty(
                OutputKeys.STANDALONE,"yes"     
                );

    xformer.transform(source, result);
}

它是可以工作的，但文档类型被删除了！我只得到了整个文档，但没有文档类型部分，这对我很重要，因为它允许我通过id检索！ 我们如何保留文档类型？为什么会擦除它？ 我尝试了很多解决方案，例如outputkeys或omImpl.createDocumentType，但这些都没有起作用...

谢谢！

- KitAndKat

---

我很惊讶你能得到任何东西；你的XML无效。 - Daniel Haley

两件事情：1）你的文档类型（map）与根元素（favoris）不匹配。 2）元素“station”未声明。你应该添加一个元素声明来声明“station”，然后将“favoris”更改为“map”（或更改文档类型和元素声明）。 - Daniel Haley

抱歉，你能在这里写一下吗？因为我对文档类型的东西完全陌生... :=) - KitAndKat

<!DOCTYPE favoris[<!ELEMENT favoris (station*) > <!ELEMENT station (#PCDATA)> <!ATTLIST station id ID #REQUIRED> ]> - KitAndKat

Answer 1

您输入的XML无效。应该是：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE favoris [
    <!ELEMENT favoris (station)+>
    <!ELEMENT station (#PCDATA)>
    <!ATTLIST station id ID #REQUIRED>
]>
<favoris>
    <station id="i5">test1</station>
    <station id="i6">test1</station>
    <station id="i8">test1</station>
</favoris>

如@DevNull所说，为了完全有效，您不能编写<station id="5">test1</station>（但是对于Java来说，即使存在这个问题，它仍然可以正常工作）。

---

DOCTYPE在输出的XML文档中被删除：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<favoris>
    <station id="i5">new value</station>
    <station id="i6">test1</station>
    <station id="i8">test1</station>
</favoris>

我还没有找到缺失DTD的解决方案，但是你可以通过设置外部DTD来解决：

xformer.setOutputProperty(OutputKeys.DOCTYPE_SYSTEM, "favoris.dtd");

结果（示例）文档：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE favoris SYSTEM "favoris.dtd">
<favoris>
    <station id="i5">new value</station>
    <station id="i6">test1</station>
    <station id="i8">test1</station>
</favoris>

编辑：

我认为使用 Transformer 类无法保存内联DTD（见此处）。如果您不能使用外部DTD引用，则可以使用DOM Level 3的 LSSerializer 类：

DOMImplementationLS domImplementationLS =
    (DOMImplementationLS) dom.getImplementation().getFeature("LS","3.0");
LSOutput lsOutput = domImplementationLS.createLSOutput();
FileOutputStream outputStream = new FileOutputStream("output.xml");
lsOutput.setByteStream((OutputStream) outputStream);
LSSerializer lsSerializer = domImplementationLS.createLSSerializer();
lsSerializer.write(dom, lsOutput);
outputStream.close();

如何使用 LSSerializer 输出指定的 DTD（我找不到任何选项可以添加 standalone="yes" ...）：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE favoris [<!ELEMENT favoris (station)+>
<!ELEMENT station (#PCDATA)>
<!ATTLIST station id ID #REQUIRED>
]>
<favoris>
    <station id="i5">new value</station>
    <station id="i6">test1</station>
    <station id="i8">test1</station>
</favoris> 

另一种方法是使用Apache Xerces2-J的XMLSerializer类：

import org.apache.xml.serialize.OutputFormat;
import org.apache.xml.serialize.XMLSerializer;
...

XMLSerializer serializer = new XMLSerializer();
serializer.setOutputCharStream(new java.io.FileWriter("output.xml"));
OutputFormat format = new OutputFormat();
format.setStandalone(true);
serializer.setOutputFormat(format);
serializer.serialize(dom);

结果:

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE favoris [<!ELEMENT favoris (station)+>
<!ELEMENT station (#PCDATA)>
<!ATTLIST station id ID #REQUIRED>
]>
<favoris>
    <station id="i5">new value</station>
    <station id="i6">test1</station>
    <station id="i8">test1</station>
</favoris>

- Grzegorz Szpetkowski

Answer 2

这个回答只是对 @Grzegorz Szpetkowski 的回答的补充，解释为什么它起作用。

你失去了文档类型定义，因为你使用了 Transform 类，它会产生一个 XSL 转换。在 XSLT 树模型中，没有 DOCTYPE 声明或文档类型定义对象/节点。当解析器将文档交给 XSLT 处理器时，文档类型信息就丢失了，因此无法保留或复制。XSLT 提供了一些控制输出树序列化的方式，包括添加一个带有公共或系统标识符的 <!DOCTYPE ... > 声明。这些标识符的值需要事先知道，不能从输入树中读取。创建或保留嵌入的 DTD 或实体声明也不受支持（尽管可以通过使用 disable-output-escaping="yes" 将其作为文本输出来绕过这个障碍）。

为了保留 DTD，你需要使用 XML 序列化器而不是 XSL 转换，就像 Grzegorz 已经建议的那样。

- jasso

---

非常感谢您提供这么精确的解释！现在我明白为什么不可能了...由于这是一个Android应用程序，我无法真正使用所有这些变通方法。所以...我手动将我的DOM转换为字符串，首先将doctype附加到我的stringbuilder中！:/谢谢！ - KitAndKat

Answer 3

@Grzegorz Szpetkowski提出了使用外部DTD的好主意。然而，如果保留这些station/@id值，XML仍然无效。

任何类型为“ID”的属性都不能以数字开头。你需要加上一些东西，比如“s”代表station：

<!DOCTYPE favoris [
<!ELEMENT favoris (station*)      > 
<!ELEMENT station (#PCDATA)       > 
<!ATTLIST station 
          id       ID   #REQUIRED > 
]>
<favoris>
  <station id="s5">test1</station>
  <station id="s6">test1</station>
  <station id="s8">test1</station>
</favoris>

- Daniel Haley

---

你说得很对，我忘记了那个规则 :) 然而即使有这个问题，输出的XML文档仍然使用LSSerializer类来内联DTD，而不是使用Transformer方法。 - Grzegorz Szpetkowski

Answer 4

我曾经遇到过几乎相同的问题，后来找到了this，它可以使用transform解决。但是它有一定的限制，因为它只允许引用DTD，并且如果文档的doctype可能会变化，则需要进行一些工作。不过在我的情况下已经足够了，我只需要在转换后硬编码xhtml doctype。

xformer.setOutputProperty(OutputKeys.DOCTYPE_PUBLIC, "publicId");
xformer.setOutputProperty(OutputKeys.DOCTYPE_SYSTEM, "systemId");

- mmarinero