能否无需修改HTML文件，用xsl:copy-of加载含未声明实体的外部文件？

我有一个无法修改的HTML文件，里面包含拉丁字符实体（比如á），内容如下：

<root>
        <h1>
                Actividades acu&aacute;ticas
        </h1>
        <p>
                Actividades acu&aacute;ticas
        </p>
</root>

我尝试用以下XSLT代码加载该文件的节点：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
    <xsl:output method="html"/>
    <xsl:template match="/">
        <xsl:copy-of select="document('content.html')/root/p/node()"/>
    </xsl:template>
</xsl:stylesheet>

运行时报错：

The entity "aacute" was referenced, but not declared.

只有给HTML文件添加DOCTYPE声明后才能正常运行，修改后的内容如下：

<!DOCTYPE html
        PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
        "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<root>
        <h1>
                Actividades acu&aacute;ticas
        </h1>
        <p>
                Actividades acu&aacute;ticas
        </p>
</root>

请问有没有无需修改该HTML文件的解决方法？

有几种不需要修改原HTML文件的可行方案：

1. 在XSLT内部声明所需实体 #

直接在XSLT的样式表中添加实体定义，覆盖解析时的实体缺失问题，适合用到的实体数量不多的场景：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
    <!DOCTYPE xsl:stylesheet [
        <!ENTITY aacute "&#225;">
        <!-- 若有其他拉丁实体，可在此继续添加声明 -->
    ]>
    <xsl:output method="html"/>
    <xsl:template match="/">
        <xsl:copy-of select="document('content.html')/root/p/node()"/>
    </xsl:template>
</xsl:stylesheet>

2. 配置XML解析器的实体处理规则 #

如果使用的XSLT处理器支持自定义解析配置，可以开启解析器的“自动识别HTML实体”或“忽略未声明实体”选项。比如在Java环境中，可通过DocumentBuilderFactory设置相关参数，让解析器自动加载HTML标准实体定义，无需修改原文件。

3. 以文本形式读取并替换实体（依赖扩展） #

借助EXSLT这类扩展函数，先把HTML文件当作纯文本读取，将实体替换为对应Unicode字符后再解析为XML节点：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
                xmlns:str="http://exslt.org/strings"
                version="1.0"
                extension-element-prefixes="str">
    <xsl:output method="html"/>

    <xsl:template match="/">
        <!-- 读取原文件为文本内容 -->
        <xsl:variable name="raw-text" select="document('content.html')"/>
        <!-- 替换目标实体为Unicode字符 -->
        <xsl:variable name="fixed-text" select="str:replace($raw-text, '&amp;aacute;', '&#225;')"/>
        <!-- 解析处理后的文本并提取目标节点 -->
        <xsl:copy-of select="str:parse($fixed-text)/root/p/node()"/>
    </xsl:template>
</xsl:stylesheet>

注：该方案需要XSLT处理器支持EXSLT扩展。

4. 用HTML解析器预处理文件 #

先用第三方HTML解析工具（如Python的BeautifulSoup、Java的Jsoup）把原HTML文件转换为合法的XHTML格式，再用XSLT处理转换后的文件。整个过程不需要修改原文件，仅做一次中间预处理。

内容的提问来源于stack exchange，提问作者PoseLab