Java xerces暂停获取xhtml1过渡DTD

我想在线对XML文档执行XPath查询。我已经设置了InputStreams，用于检索内容并附加一个

头，该头声明HTTP请求的

字符集

字段中存在的编码。虽然它能工作，但速度非常慢

    //bis is the BufferedInputStream with the content part of the HTTP reply
docBuilder = docBuilderFactory.newDocumentBuilder(); // throws exception.
Document doc = docBuilder.parse
    (new PrependInputStream(bis,
                "<?xml version='1.0' encoding='"+charset+"' ?>\r\n"));

由于我不太担心HTML内容是否有效（格式良好就足够了），所以我尝试了

docBuilderFactory.setValidating（false）

，但这似乎并不妨碍在线检索DTD

尝试使用手动检索的同一dtd文件手动设置带有

docBuilderFactory.setSchema（）

的架构会导致“org.xml.sax.SAXParseException:根元素前面的文档中的标记必须格式正确”（这不是一个好主意）

我把事情复杂化到哪里去了

---

（XML后端似乎是com.sun.org.apache.xerces.internal.impl.xs.XMLSchemaLoader.loadSchema，从堆栈跟踪中可以看出——如果有任何用处的话）。

HTML dtd很大，使用includes。你是对的，它们需要永远。使用一个。人们可以在本地存储DTD，并通过系统ID映射它们

如果您使用像maven这样的工具，您将找到足够的指针

---

正如@sylvainulg链接的答案所示，i.o.拦截实体的优势在于，您可以接收正确的字符。

有答案。这个问题可以标记为重复。@Sperberg McQueen:我一点也不奇怪。对于联盟s.a.w3来说，避免被正在进行的代码发出的请求淹没是很正常的。

 send(8, "GET /TR/xhtml1/DTD/xhtml1-transitional.dtd HTTP/1.1\r\nUser-Agent: Java/1.6.0_17\r\nHost: www.w3.org\r\nAccept: 
      text/html, image/gif, image/jpeg, *; q=.2, */*; q=.2\r\nConnection: keep-alive\r\n\r\n", 186, 0)
 recv(8, ...