解析DTD以显示元素的层次结构

Question

我的目标是解析几个相对复杂的DTD，以揭示元素的层次结构。 DTD之间的唯一区别是版本，但每个版本都没有尝试保持向后兼容 - 这太简单了！因此，我打算可视化每个DTD定义的元素的结构，以便我可以设计一个适合于统一存储数据的数据库模型。

因为我在Python中调查的大多数解决方案只会验证外部DTD，所以我决定从一开始就开始努力。 Python的xml.parsers.expat只解析XML文件并实现非常基本的DTD回调，所以我决定查看用{C}编写的original version并声称完全符合XML 1.0规范。但是，我对此方法有以下问题：

1. expat（在C中）将解析DTD文件中的外部实体引用并遵循这些引用，解析它们的元素，并将这些元素添加到层次结构中吗？
2. expat可以泛化并处理SGML，还是会在遇到无效的DTD但有效的SGML文件后失败？

我的要求可能导致外籍人士不合适的结论。如果是这种情况，我考虑为XML 1.0 DTD编写词法分析器/解析器。我还应该考虑其他选择吗？

以下更简洁地说明了我的意图：

输入DTD摘录

<!--A concise summary of the disclosure.-->
<!ELEMENT abstract (doc-page+ | (abst-problem , abst-solution) | p+)>

从DTD摘录创建的对象（伪代码）

class abstract:
    member doc_page_array[]
    member abst_problem
    member abst_solution
    member paragraph_array[]
    member description = "A concise summary of the disclosure."

一个具有挑战性的方面是将<!ELEMENT>标记归于其上方出现的评论。因此，如果我不能使用expat来实现这一点，那么可能需要一个自己开发的解析器。

另一个问题是，某些解析器在处理使用大于#xFFFF的unicode字符的DTD时遇到问题，因此这可能是另一个有利于创建自己的字符的因素。

如果事实证明词法分析器/解析器路径更适合我的任务，是否有人碰巧知道将these EBNF expressions转换为能够被解析的东西的好方法？我认为“最佳”方法可能是使用正则表达式。

无论如何，这些只是我对我的问题的看法。任何对上述问题的答案或对替代方法的建议都将不胜感激。

Answer 1

有几种现有工具可以满足您的需求，包括DTDParse，OpenSP，Matra和DTD Parser。创建自定义解析器时也有articles。