Xml DTD处理的最佳实践

我正在开发一个XML解析器，用于检查格式是否良好。根据，需要这样一个“xml处理器”来处理dtd，以获取实体引用和属性列表定义（即，为了解析引用、规范化属性值和提供默认属性值而创建符号表）。如果我知道应用程序本身将输出XML，这是否意味着将整个DTD传递给应用程序

---

如果没有，在完全处理的XML文档中保存DTD的标准最佳实践是什么？我的直觉是要么不传递DTD，要么传递一个XML声明，上面写着

standalone=no

，要么传递一个精简的DTD，该DTD除去了文档中实际引用的外部实体的名称和声明之外的所有内容，处理外部DTD并不一定需要将该DTD的全部内容合并到输出中。除此之外，输出并不总是与输入相同类型的文档

但是，这确实意味着您必须决定如何处理实体引用和默认属性值。一种方法（a）是简单地展开它们并将其内容传递给输出文档。另一种方法是确保输出文档（b）在其内部DTD中至少包含这些信息的声明，或者（c）引用提供这些定义的外部DTD（如果输出文档的类型与该DTD兼容，则可能与源文档的定义相同）

选项（a）扩展所有内容，使默认值和宏不再依赖DTD，实际上是通用XML处理的最常见解决方案。如果您的工具使用的是一组特定的DTD，那么选项（c）将是一个合适的答案

注意，类似的答案也适用于XML模式。还要注意的是，DTD由于与XML名称空间不兼容，正处于消亡的边缘；名称空间对于严肃的XML处理来说太有用了。所有现代XML解析器都应该支持模式；只有在绝对需要与最早一代XML代码向后兼容的情况下，我才会推荐DTD。（DTD所做的模式所没有的一件事是解析实体……但实际上，除了手工构造的文档之外，这些实体在任何东西中都很少使用。）

数字字符引用，或少数命名字符引用（&和<最显著的）内置于XML语言和解析器中，因此不需要DTD处理来支持这些引用

顺便问一下：你为什么要从头开始重写XML解析器？除非您专门研究解析器优化或类似的东西，或者将其作为类赋值，否则没有理由不使用许多现成的解析器中的一个；在这一点上，我认为它们存在于几乎每一种广泛使用的编程语言中，它们很可能在优化和处理XML的微妙之处方面投入了比您现在或将来更多的工作

---

如果你真的需要重新发明这个特殊的轮子，我强烈建议你花点时间和它在一起。蒂姆·布雷（Tim Bray）出色地完成了XML 1.0 REC的检查工作，并准确地解释了这一切的意义，以及为什么一些不太明显的决定是以这种方式做出的。不幸的是，这需要足够的努力——以及对工作组讨论的足够深入的了解——以至于没有人愿意为XML 1.1或任何其他W3C规范重做它。

我本能地为应用程序提供一个最低限度完整的DTD，这是因为当传递给应用程序时，实际上不需要它们，而且非验证处理器基本上跳过了符号和元素定义。