使用XSLT转换含缺失HTML实体的旧XML文件技术咨询

1. <!ENTITY names SYSTEM "names.xml">的作用 #

这是XML的外部参数实体声明，核心作用是把names.xml文件里的内容引入当前XML文档中。这种设计是为了把重复使用的实体定义（比如术语别名、通用符号）拆分到独立外部文件，既减少主文档的冗余内容，也方便统一维护实体数据。当XML解析器处理到这个声明时，会自动加载并解析names.xml里的实体定义，让这些实体能在主文档中直接调用。

2. 原始文件是否应包含缺失的实体？ #

不需要。原始《Jargon File》的XML采用了实体拆分架构，把不同类型的实体（比如HTML通用实体、术语专有实体）分散到多个外部引用文件中（names.xml就是其中之一）。原始主文件本身不会包含这些实体的定义，它们的定义都在对应的外部关联文件里。如果出现实体未识别的错误，问题大概率出在解析时没正确加载外部实体文件，而非原始文件本身缺失内容。

3. 无需修改原始文件的转换解决方案 #

结合现有项目的需求，可通过以下方式实现无修改转换：

• 自定义实体解析逻辑：在转换脚本中给XML解析器添加自定义实体解析器，当遇到缺失的HTML实体（比如 、&）时，直接返回对应的Unicode字符或替换文本，绕开实体未定义的错误。
• 预加载外部实体：处理主XML前，先加载所有关联的外部实体文件（比如names.xml），把这些文件中的实体定义合并到解析器的上下文环境中，确保解析时能识别所有用到的实体。
• XSLT样式表补充实体：如果用XSLT做转换，可在样式表中直接声明所需的HTML实体，或者编写模板函数处理未识别的实体，不依赖原始文件的实体定义。
• 忽略或替换失效DTD：解析时关闭DTD验证（如果转换不需要严格的XML结构校验），或者指定本地可用的DTD文件替换失效的远程链接，解决DTD链接失效导致的解析失败问题。
• 统一版本号处理：在转换逻辑中加入版本判断，比如优先选择4.4.8版本的内容，或者根据需求过滤掉其中一个版本的节点，输出版本统一的结果。

内容的提问来源于stack exchange，提问作者jcubic