用Doctype作为XML文档解析XHTML文件的可怕性能
当我将这个xhtml文件解析为xml时，对这样一个简单的文件进行解析大约需要2分钟。我发现，如果删除doctype声明，它就会立即解析。是什么原因导致这个文件花了这么长的时间来解析？
Java示例
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setNamespaceAware( true );
DocumentBuilder bob = dbf.newDocumentBuilder();
Document template = bob.parse( new InputSource( new FileReader( xmlFile ) ) );XHTML示例
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml"
xmlns:ex="http://www.example.com/schema/v1_0_0">
<head><title>Test</title></head>
<body>
<h1>Test</h1>
<p>Hello, World!</p>
<p><ex:test>Text</ex:test></p>
</body>
</html>谢谢
编辑:解决方案
为了根据最初提供的关于问题发生原因的信息来实际解决问题，我执行了以下基本步骤：
EntityResolver
- 将与DTD相关的文件下载到src/main/resources文件夹中，
- 创建了一个自定义EntityResolver，以便从类路径中读取这些文件，
- 告诉my DocumentBuilder使用新的EntityResolver。
在这样做的时候，我引用了这个答案：how to validate XML using java?
新EntityResolver
import java.io.IOException;
import org.xml.sax.EntityResolver;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;
public class LocalXhtmlDtdEntityResolver implements EntityResolver {
/* (non-Javadoc)
* @see org.xml.sax.EntityResolver#resolveEntity(java.lang.String, java.lang.String)
*/
@Override
public InputSource resolveEntity( String publicId, String systemId )
throws SAXException, IOException {
String fileName = systemId.substring( systemId.lastIndexOf( "/" ) + 1 );
return new InputSource(
getClass().getClassLoader().getResourceAsStream( fileName ) );
}
}如何使用新的EntityResolver：
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setNamespaceAware( true );
DocumentBuilder bob = dbf.newDocumentBuilder();
bob.setEntityResolver( new LocalXhtmlDtdEntityResolver() );
Document template = bob.parse( new InputSource( new FileReader( xmlFile ) ) );回答 2
Stack Overflow用户
发布于 2012-03-09 04:44:15
Java正在下载指定的DTD及其和包含的文件，以验证xhtml文件是否符合指定的DTD。使用Charles，我记录了使用指定数量加载的以下请求：
- http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd - 30.4 sec
- http://www.w3.org/TR/xhtml1/DTD/xhtml-lat1.ent - 30.19 sec
- http://www.w3.org/TR/xhtml1/DTD/xhtml-symbol.ent - 30.23 sec
- http://www.w3.org/TR/xhtml1/DTD/xhtml-special.ent -30.20秒
Stack Overflow用户
发布于 2012-03-09 08:36:05
实际上，你很幸运你拿到了这些文件。W3C故意对这些文档的请求没有响应，因为它们无法处理大量的请求。您需要向解析器提供本地副本。
在Java世界中，通常的方法是使用Apache/Oasis目录解析器。
最新版本的Saxon已经内置了这些常用的DTD和实体文件的知识，如果允许Saxon提供XML解析器，它将自动配置为使用本地副本。即使您没有使用XSLT或XQuery来处理数据，您也可以利用这一点:只需创建一个Saxon对象并调用其getSourceParser()方法来获取XMLReader。
(也许现在也是摆脱DOM的好时机。在Java处理XML的众多选择中，DOM可能是最糟糕的。如果您必须使用低级别的导航API，请选择一个像JDOM或XOM这样的不错的API。)
https://stackoverflow.com/questions/9628968
复制相似问题
腾讯云开发者
