使用 DOM 解析 xml，DOCTYPE 被删除

Question

为什么 dom 在编辑 xml 时会删除 doctype？

得到这个 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> 

我的功能非常基本：

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);
}

它可以工作，但是文档类型被删除了！我刚刚获得了整个文档，但没有 doctype 部分，这对我来说很重要，因为它允许我通过 id 检索！ 我们如何保留文档类型？为什么它会删除它？ 我尝试了许多使用 outputkeys 或 omImpl.createDocumentType 的解决方案，但这些都不起作用......

谢谢！

Answer 1

您输入的 XML 无效。那应该是：

<?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>

正如@DevNull所写的那样，它完全有效，你不能写 test1 （但是对于 Java 来说，即使有这个问题，它仍然可以工作） ）。

---

DOCTYPE 在输出 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>

我还没有找到缺少 DTD 的解决方案，但作为解决方法，您可以设置外部 DTD：

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：

我认为不可能使用 Transformer 类（参见 此处）。如果无法使用外部 DTD 引用，则可以使用 DOM Level 3 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();

使用所需的 DTD 输出（我看不到任何使用 standalone="yes" 添加的选项LSSerializer...)：

<?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 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>

Answer 2

（此响应在某种程度上只是对 @Grzegorz Szpetkowski 的答案及其工作原理的补充）

您丢失了 doctype 定义，因为您使用了生成 XSL 转换的 Transform 类。 XSLT 树模型中没有 DOCTYPE 声明或 docytype 定义对象/节点。当解析器将文档移交给 XSLT 处理器时，文档类型信息将丢失，因此无法保留或复制。 XSLT 提供对输出树序列化的一些控制，包括添加带有公共或系统标识符的 声明。这些标识符的值需要事先知道，并且无法从输入树中读取。也不支持创建或保留嵌入的 DTD 或实体声明（尽管解决此障碍的一种解决方法是使用 disable-output-escaping="yes" 将其输出为文本）。

为了保留 DTD，您需要使用 XML 序列化程序而不是 XSL 转换来输出文档，就像 Grzegorz 已经建议的那样。

Answer 3

@Grzegorz Szpetkowski 对于使用外部 DTD 有一个好主意。但是，如果保留这些 station/@id 值，XML 仍然无效。

任何类型为“ID”的属性都不能具有以数字开头的值。您必须向其中添加一些内容，例如代表电台的“s”：

<!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>

Answer 4

我遇到了几乎同样的问题，发现 this 与转换一起使用。它是有限的，因为它只允许引用 dtd，并且如果文档的 doctype 可能变化，则需要一些工作。不过，对我来说这已经足够了，我只需要在转换后对 xhtml 文档类型进行硬编码。

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