如何在XercesC中使用SAX解析器获取DTD内部子集？

在XercesC的SAX2框架中，你可以通过扩展DefaultHandler类并重写特定回调方法来捕获内部DTD子集，核心是利用internalSubset方法——该方法会在解析器遇到内部DTD子集时触发。

实现步骤 #

• 自定义一个继承自xercesc::DefaultHandler的处理类，重写internalSubset方法来保存内部子集内容。
• 可选重写startDTD和endDTD方法，用于标记DTD解析的起止，辅助确认内部子集的上下文。

代码示例 #

#include <xercesc/sax2/DefaultHandler.hpp>
#include <xercesc/sax2/SAX2XMLReader.hpp>
#include <xercesc/sax2/XMLReaderFactory.hpp>
#include <xercesc/util/XMLString.hpp>
#include <iostream>
#include <string>

XERCES_CPP_NAMESPACE_USE

class DTDHandler : public DefaultHandler {
private:
    std::string internalSubsetContent;
public:
    // 捕获内部DTD子集内容
    void internalSubset(const XMLCh* name, const XMLCh* publicId, const XMLCh* systemId, const XMLCh* internalSubset) override {
        if (internalSubset != nullptr) {
            char* subsetStr = XMLString::transcode(internalSubset);
            internalSubsetContent = subsetStr;
            XMLString::release(&subsetStr);
        }
    }

    // 可选：标记DTD解析开始
    void startDTD(const XMLCh* name, const XMLCh* publicId, const XMLCh* systemId) override {
        char* dtdName = XMLString::transcode(name);
        std::cout << "开始解析DTD: " << dtdName << std::endl;
        XMLString::release(&dtdName);
    }

    // 获取保存的内部子集内容
    const std::string& getInternalSubset() const {
        return internalSubsetContent;
    }

    // 处理解析错误
    void error(const SAXParseException& e) override {
        char* msg = XMLString::transcode(e.getMessage());
        std::cerr << "解析错误: " << msg << " 行号: " << e.getLineNumber() << std::endl;
        XMLString::release(&msg);
    }
};

int main() {
    // 初始化XercesC环境
    try {
        XMLPlatformUtils::Initialize();
    } catch (const XMLException& e) {
        char* msg = XMLString::transcode(e.getMessage());
        std::cerr << "初始化失败: " << msg << std::endl;
        XMLString::release(&msg);
        return 1;
    }

    // 创建SAX解析器实例
    SAX2XMLReader* parser = XMLReaderFactory::createXMLReader();
    parser->setFeature(XMLUni::fgSAX2CoreValidation, false);
    parser->setFeature(XMLUni::fgSAX2CoreNameSpaces, false);

    // 绑定自定义处理类
    DTDHandler handler;
    parser->setContentHandler(&handler);
    parser->setDTDHandler(&handler);
    parser->setErrorHandler(&handler);

    // 解析目标XML文件
    try {
        parser->parse("your_target.xml");
        std::cout << "内部DTD子集内容:\n" << handler.getInternalSubset() << std::endl;
    } catch (const XMLException& e) {
        char* msg = XMLString::transcode(e.getMessage());
        std::cerr << "解析异常: " << msg << std::endl;
        XMLString::release(&msg);
    } catch (const SAXParseException& e) {
        char* msg = XMLString::transcode(e.getMessage());
        std::cerr << "解析错误: " << msg << " 行号: " << e.getLineNumber() << std::endl;
        XMLString::release(&msg);
    } catch (...) {
        std::cerr << "未知解析错误" << std::endl;
    }

    // 清理资源
    delete parser;
    XMLPlatformUtils::Terminate();

    return 0;
}

关键说明 #

• internalSubset方法的最后一个参数internalSubset就是内部DTD子集的XMLCh编码字符串，需用XMLString::transcode转换为本地编码（如UTF-8）后保存。
• 默认情况下XercesC的SAX解析器会处理DTD，若之前关闭了DTD相关特性，需重新开启以确保回调触发。
• 代码包含基础错误处理逻辑，可根据实际需求调整。

内容的提问来源于stack exchange，提问作者user23321476