java - 应用 XSLT 时访问 w3.org 时出错

Question

我正在将 xslt 应用于 HTML 文件(已经过滤和整理以使其可解析为 XML)。

我的代码如下所示:

TransformerFactory transformerFactory = TransformerFactory.newInstance();
this.xslt = transformerFactory.newTransformer(xsltSource);
xslt.transform(sanitizedXHTML, result);

但是，对于像这样找到的每个 doctype，我都会收到错误:

ERROR: 'Server returned HTTP response code: 503 for URL: http://www.w3.org/TR/html4/loose.dtd'

我从浏览器访问 dtds 没有问题。

我对正在解析的 HTML 几乎没有控制权，并且不能撕掉 DOCTYPE，因为我需要它们作为实体。

欢迎任何帮助。

编辑:

我试图像这样禁用 DTD 验证:

private Source getSource(StreamSource sanitizedXHTML) throws ParsingException {
    SAXParserFactory spf = SAXParserFactory.newInstance();
    spf.setNamespaceAware(false);
    spf.setValidating(false);  // Turn off validation

    XMLReader rdr;

    try {
        rdr = spf.newSAXParser().getXMLReader();
    } catch (SAXException e) {
        throw new ParsingException(e);
    } catch (ParserConfigurationException e) {
        throw new ParsingException(e);
    }

    InputSource inputSrc = new InputSource(sanitizedXHTML.getInputStream());
    return new SAXSource(rdr, inputSrc);
}

然后只是调用它...

    Source source = getSource(sanitizedXHTML);
    xslt.transform(source, result);

错误仍然存​​在。

编辑 2:

编写了一个实体解析器，并在我的本地磁盘上获得了 HTML 4.01 过渡 DTD。但是，我现在收到此错误:

ERROR: 'The declaration for the entity "HTML.Version" must end with '>'.'

DTD 原样，从 w3.org 下载

Answer 1

我在 answer 中有一些建议到一个相关的问题。

特别是，在解析 XML 文档时，您可能希望关闭 DTD 验证，以防止解析器尝试获取 DTD。或者，您可以使用自己的实体解析器返回 DTD 的本地副本，而不是通过网络获取它。

编辑:只需调用setValidating(false)在 SAX Parser Factory 上可能不足以阻止解析器加载外部 DTD。解析器可能需要 DTD 用于其他目的，例如实体定义。 (也许您可以更改您的 HTML 清理/预处理阶段，以将所有实体引用替换为等效的数字字符实体引用，从而消除对 DTD 的需要？)

我不认为有 standard SAX feature flag这将确保完全禁用外部 DTD 加载，因此您可能必须使用特定于解析器的东西。因此，例如，如果您使用 Xerces，您可能需要查找 Xerces-specific features并调用setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false)只是要确定。