无DTD时如何将SGML格式文件转换为XML？

是否需要创建DTD？ #

• 不是硬性要求，按需选择：
  • 要是后续需要严格校验文档结构、批量标准化文件，或者想让解析工具更精准识别标签逻辑，做个DTD能大幅提升处理效率和准确性。
  • 如果只是临时转XML，且能接受工具自动推断结构，也可以跳过DTD直接转。

命令行工具转换SGML到XML的方法 #

推荐几个实用的命令行工具：

1. sgmlspl（SGML Splitter） #

老牌SGML处理工具，支持无DTD场景转换：

• 安装：Linux发行版（如Debian/Ubuntu）直接用sudo apt install sgmlspl，Windows可通过WSL或Cygwin安装。
• 转换命令：

  sgmlspl -xml your_file.sgml
  

  工具会自动推断文档结构生成XML。遇到标签不规范的情况，加-loose参数放宽解析规则：

  sgmlspl -xml -loose your_file.sgml
  

2. osx（OpenSP SGML Parser） #

OpenSP套件里的工具，对复杂SGML兼容性更好：

• 安装：Linux用sudo apt install opensp，macOS用brew install opensp。
• 转换命令：

  osx -xml your_file.sgml > output.xml
  

  要是文档标签歧义大，可先写个极简DTD（只定义核心标签结构），指定DTD路径辅助解析：

  osx -xml -d your_dtd.dtd your_file.sgml > output.xml
  

  极简DTD示例（适配法律文件常见结构）：

  <!DOCTYPE state-law [
    <!ELEMENT state-law (chapter*, section*)>
    <!ELEMENT chapter (title, content)>
    <!ELEMENT section (number, text)>
    <!ELEMENT title (#PCDATA)>
    <!ELEMENT content (#PCDATA|section)*>
    <!ELEMENT number (#PCDATA)>
    <!ELEMENT text (#PCDATA)>
  ]>
  

3. sgml2xml（轻量转换工具） #

部分系统自带的轻量工具，用法简单：

sgml2xml your_file.sgml

生成的XML会保留原SGML标签结构，自动补全XML要求的闭合标签。

实用小技巧 #

• 要是文件有大量不规范标签（比如未闭合、大小写混乱），转换前可先用sed批量修正：

  sed -i 's/<CHAPTER>/<chapter>/g; s/<\/CHAPTER>/<\/chapter>/g' your_file.sgml
  

• 多文件批量转换可以写个shell脚本循环处理：

  for file in *.sgml; do
    sgmlspl -xml "$file" -o "${file%.sgml}.xml"
  done
  

内容的提问来源于stack exchange，提问作者lvinco