如何在 Ruby 中解析 DTD 文件

Question

我试图将 DTD 文件转换为 YAML 文件，并尝试在 libXML 和 Nokogiri 中加载它，但 DTD 文件似乎不是有效的 XML 文件。只要我可以解析 DTD 文件，我就可以使用任何第三方 gem。

我的转换尝试：

wget "http://xml.evernote.com/pub/enml2.dtd"
irb
require 'nokogiri'
xml = Nokogiri::XML::Document.parse('enml2.dtd')
xml.to_yaml
=> "--- !ruby/object:Nokogiri::XML::Document\ndecorators: \nnode_cache: []\nerrors:\n- !ruby/exception:Nokogiri::XML::SyntaxError\n  message: |\n    Start tag expected, '<' not found\n  domain: 1\n  code: 4\n  level: 3\n  file: \n  line: 1\n  str1: \n  str2: \n  str3: \n  int1: 0\n  column: 1\n"

任何在线 XML 验证器也会返回错误“预期开始标记”。我认为这是因为所有有效的 XML 文档都以 <?xml 开头，而似乎缺少这些 DTD 文件。这就是让我得出所有 DTD 文件都是无效 XML 文件的结论的原因，然而，XML 定义语法本身没有被定义为有效 XML 确实让人感到奇怪。为什么？

我正在解析 DTD 文件以从 XML 文件中删除无效属性，以了解要保留哪些属性以及要删除哪些属性，因此我需要一种方法来解析 DTD 文件。

最终，这只是尝试将 HTML 转换为 ENML（Evernote 标记语言）的一个步骤。其中涉及的步骤包括：

• 将 HTML 转换为有效的 XHTML
• 将正文转换为注释元素
• 根据 dtd 文件删除无效标签和属性
• 根据 dtd 验证 enml 文件

我目前正在考虑从“Understanding the Evernote Markup Language”复制不允许的属性和标签，并使用它来验证我的 XHTML，但我更喜欢使用 DTD 作为我的源。

Nokogiri DTD 类是一个 Node 类，用于保存内联 DTD 节点并针对它进行验证。就我而言，我有一个使用 SYSTEM 属性指定的外部 DTD 文件，Nokogiri does not seem to support。即使它确实有效，我得到的只是验证。

我确实使用以下方法进行了验证：

#dtd = XML::Dtd.new File.read Rails.root.join('lib', 'assets','enml2.dtd')
#enml_document = XML::Document.string enml
#ret = enml_document.validate dtd

我还没有尝试过 REXML。我会试一试并报告。

我正在尝试将 HTML 文档转换为使用给定 DTD 进行验证的 XML 文档。 ENML 模式中不允许大多数 HTML 元素和属性，因此我必须剥离或删除它们。我还需要知道哪些属性是允许的，哪些是不允许的，这样我才能正确解析 XML 并删除/清理有问题的元素和属性。

出于清理目的，我使用Loofah，但要使用它，我需要一个标签列表->属性（每个标签都可以使用哪些属性）。我没有在清理结束时进行多次验证文档，而是循环遍历每个 XML 标记并清理它们。但要知道 如何 清理它们，我需要知道有效架构中支持哪些标签和元素。因此，我需要解析 DTD 文件。

据我了解，XLST 是适合这项工作的工具，但我觉得使用它不够舒适。

Answer 1

然而，xml 定义语法本身没有被定义为有效的 XML，这让我感到很奇怪。我很想知道这背后的任何原因。

DTD 是 SGML（XML 的前身）的遗留物，因此 DTD 不是 XML 文件实际上并不奇怪。在创建 XML 时，保留 DTD 及其特定语法是经过深思熟虑的决定。

W3C XML Schema 和 RELAX NG 等更现代的模式语言确实使用 XML 语法。

---

我解析 DTD 文件的原因是我想从 XML 文件中删除无效属性。要知道要保留哪些属性以及要删除哪些属性，我需要一种解析 DTD 文件的方法。（来自问题）

我只是在寻找一种解析 DTD 文件的方法，而不仅仅是使用它们进行验证，因为我想使用 dtd 执行自定义清理和验证。（来自赏金文本）

我不太明白您所说的“自定义清理”是什么意思。我也看不出尝试解析 DTD 的意义。

为了查明 XML 文件中的任何元素或属性是否无效（如果它们违反了相关 DTD 中的规则），您需要使用验证 XML 解析器解析 XML 文件 .然后解析器会告诉您是否有任何需要修复的错误。

Nokogiri 基于提供验证解析器的 libxml2。它确实支持使用<!DOCTYPE foo SYSTEM "bar.dtd"> 语法指定的外部DTD（如何使这项工作在您引用的问题的评论中显示：https://github.com/sparklemotion/nokogiri/issues/440#issuecomment-3031164）。

验证的方法如下：

require 'nokogiri'

xml = File.read("yourfile.xml")
options = Nokogiri::XML::ParseOptions::DTDLOAD   # Needed for the external DTD to be loaded
doc = Nokogiri::XML::Document.parse(xml, nil, nil, options)
puts doc.external_subset.validate(doc) 

如果此代码没有输出，则 XML 文档对 DTD 有效。