如果输入文件中未指定 DTD，如何强制 SAX 解析器使用 DTD？

Question

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

以下是我的场景的更多详细信息：

我们有一堆符合相同 DTD 的 XML 文档，这些文档是由多个不同系统生成的（我无法更改其中任何一个）。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。 有些使用命名字符实体而不声明文档类型。我知道这不合规矩，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，它处理上述情况的方法是，首先以流的形式读取 XML 文档，尝试检测它是否定义了 doctype，然后添加 doctype 声明（如果尚不存在）。问题是这段代码有错误，我想用更干净的东西替换它。

文件很大，因此我无法使用基于 DOM 的解决方案。我还尝试解析字符实体，因此使用 XML 架构没有帮助。

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

Answer 1

我认为如果文档没有 DOCTYPE，那么设置 DOCTYPE 并不是一种明智的方法。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 SAX，则可以使用这个假的 InputStream 和假的 DefaultHandler 实现。 （仅适用于 latin1 一字节编码）

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
}