Question

我正在尝试对xhtml文档进行xpath查询。使用.NET 3.5。

该文件如下：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html lang="en" xmlns="http://www.w3.org/1999/xhtml" xml:lang="en">
  <head>
   ....
  </head>
  <body>
    ...
  </body>
</html>

因为文档包含各种char实体（ 等），所以我需要使用DTD，以便用XmlReader加载它。所以我的代码看起来像这样：

var s = File.OpenRead(fileToRead)
var reader = XmlReader.Create(s, new XmlReaderSettings{ ProhibitDtd=false });

但是当我运行它时，它会返回

打开外部DTD“http://www.w3.org/TR/xhtml1-transitional.dtd”时发生错误：远程服务器返回错误：（503）服务器不可用。

现在，我知道为什么我收到503错误。 W3C explained it very clearly。

我见过“解决方法”，人们只是禁用DTD。这是ProhibitDtd=true可以做的，它消除了503错误。

但在我的情况下导致其他问题 - 应用程序没有得到实体定义，因此不是格式良好的XML。如何在不访问w3.org网站的情况下验证DTD并获取实体定义？

我认为.NET 4.0有一个非常好的内置功能来处理这种情况：XmlPreloadedResolver。但我需要.NET 3.5的解决方案。

相关

：
- java.io.IOException: Server returned HTTP response code: 503

Answer 1

答案是，我必须提供自己的XmlResolver。我不认为这是.NET 3.5内置的。那令人费解。令人费解的是，我花了很长时间才发现这个问题。令人费解的是，我找不到其他人已经解决了这个问题？

好的，所以...... XmlResolver。我创建了一个新类，派生自XmlResolver并过度使用三个关键内容：Credentials（set），ResolveUri和GetEntity。

public sealed class XhtmlResolver : XmlResolver
{
    public override System.Net.ICredentials Credentials
    {
        set { throw new NotSupportedException();}
    }

    public override object GetEntity(Uri absoluteUri, string role, Type t)
    {
       ...
    }

    public override Uri ResolveUri(Uri baseUri, string relativeUri)
    {
      ...
    }
}

关于这些东西的文档相当吝啬，所以我会告诉你我学到了什么。这个类的操作是这样的：XmlReader将首先调用ResolveUri，然后，给定一个已解析的Uri，然后调用GetEntity。期望该方法返回类型为t的对象（作为参数传递）。我只看到它请求System.IO.Stream。

我的想法是使用csc.exe /resource选项将XDML1.0的DTD及其依赖项的本地副本嵌入到程序集中，然后检索该资源的流。

private System.IO.Stream GetStreamForNamedResource(string resourceName)
{
    Assembly a = Assembly.GetExecutingAssembly();
    return  a.GetManifestResourceStream(resourceName);
}

非常简单。这是从GetEntity（）调用的。

但我可以改进。我没有将DTD嵌入到明文中，而是先将它们解压缩。然后像这样修改上面的方法：

private System.IO.Stream GetStreamForNamedResource(string resourceName)
{
    Assembly a = Assembly.GetExecutingAssembly();
    return  new System.IO.Compression.GZipStream(a.GetManifestResourceStream(resourceName), System.IO.Compression.CompressionMode.Decompress);
}

该代码打开嵌入式资源的流，并返回为解压缩配置的GZipStream。读者获得了明文DTD。

我想要做的只是解析Xhtml 1.0中DTD的URI。所以我写了ResolveUri和GetEntity来寻找那些特定的DTD，并且只对它们作出肯定的回应。

对于带有DTD语句的XHTML文档，流程是这样的;

XmlReader使用XHTML DTD的公共URI调用ResolveUri，即"-//W3C//DTD XHTML 1.0 Transitional//EN"。如果XmlResolver可以解析，它应该返回...一个有效的URI。如果它无法解决，它应该抛出。我的实现只针对公共URI。
然后，XmlReader使用DTD的系统标识符调用ResolveUri，在本例中为"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"。在这种情况下，XhtmlResolver返回一个有效的Uri。
然后XmlReader使用该URI调用GetEntity。 XhtmlResolver抓取嵌入的资源流并返回它。

依赖项也会发生同样的事情 - xhtml_lat1.ent，等等。为了使解析器工作，所有这些都需要嵌入。

是的，如果解析器无法解析URI，则应该抛出异常。据我所知，这还没有正式记录。这似乎有点令人惊讶。（严重违反the principle of least astonishment）。如果相反，ResolveUri返回null，XmlReader将在空URI上调用GetEntity，这......啊，是没有希望的。

这对我有用。它适用于从.NET进行XHTML XML处理的任何人。如果您想在自己的应用程序中使用它，grab the DLL。该zip包含完整的源代码。根据{{3}}许可。

您可以将其插入使用XHTML的XML应用程序中。像这样使用它：

// for an XmlDocument...
System.Xml.XmlDocument doc = new System.Xml.XmlDocument();
doc.XmlResolver = new Ionic.Xml.XhtmlResolver();
doc.Load(xhtmlFile);

// for an XmlReader...
var xmlReaderSettings = new XmlReaderSettings
    {
        ProhibitDtd = false,
        XmlResolver = new XhtmlResolver()
    };
using (var stream = File.OpenRead(fileToRead))
{
    XmlReader reader = XmlReader.Create(stream, xmlReaderSettings);
    while (reader.Read())
    {
     ...
    }

Answer 2

您可以通过将 XmlReaderSettings.XmlResolver 属性设置为null来禁止XmlReader打开任何外部资源。

System.Xml.XmlReaderSettings xmlReaderSettings = new System.Xml.XmlReaderSettings ();
xmlReaderSettings.XmlResolver = null;
System.Xml.XmlReader xmlReader = System.Xml.XmlReader.Create(myUrl, xmlReaderSettings);

Answer 3

当您的ResolveUri方法获取对-//W3C//ELEMENTS XHTML Images 1.0//EN之类的URI的“公共”形式的请求时，您的方法会抛出并等待以{{1}开头的后续类似网络的URI }？

我将公共URI解析为相应的http:// URI（然后在我的http://方法中拦截对GetEntity URI的请求），而不是抛出。

因此我永远不必扔掉，我认为这是正确的解决方案。

这是一种聪明的方法。你的字典有多大？我指向你的库只处理XHTML 1.0，并且只需要映射一个公共URI库。

我正在使用“模块化”的XHTML 1.1，所以我必须映射大约40个文件。

请注意框架的行为可能已经改变了！我有一个使用.NET Framework 2构建的库（包括我的XhtmlUrlResolver类），但根据应用程序（使用该库）是为.NET 2还是.NET 4构建而调用它会有所不同。

使用.NET 2，当我的ResolveUri方法总是只透明地委托给XmlUrlResolver时，它会：

要求ResolveUri公众提供DTD。
尝试从磁盘GetEntity DTD（抛出一个DirectoryNotFoundException）
尝试从http（我从本地资源提供）中获取DTD的DTD。
尝试从http（我从本地资源提供）

使用.NET 4，每个资源都有一个额外的调用：

向ResolveUri公开请求子资源（例如http://文件），我的实现刚刚委托给XmlUrlResolver
向GetEntity询问子资源的'已解决'公开，这根本没有真正解决，只是添加了类似http的前缀（抛出WebException）

抛出所有这些WebExceptions减慢了处理速度，这就是为什么我重新审视它以寻找修复。

你的建议，我从ResolveUri抛出，解决了这个问题，我感谢你;但是不是投掷，而是从ResolveUri返回更优雅的东西（并且更快一点：减少40个例外）。

这是我目前的源代码。

*.mod

打开extern DTD（w3.org，xhtml1-transitional.dtd）时出错。 503服务器不可用

3 个答案: