使用XML::DOM解析含属性实体的XML时实体被移出标签的问题

问题重现 #

使用XML::DOM解析含自定义实体的XML文件时，属性内的*实体被错误移至标签外部，导致原始XML结构破坏。

原因分析 #

XML::DOM解析时会展开自定义实体（如*），但调用toString()输出时，无法将展开后的字符重新还原为属性内的实体引用——尤其是这类非XML预定义的实体（预定义实体仅包括&、<、>、"、'），解析器会错误地将实体内容输出到标签外部，而非保留在属性中。

解决方案 #

方案1：改用XML::LibXML模块 #

XML::LibXML对实体处理更严谨，能正确保留属性内的实体引用（需确保DTD正确定义实体），是更现代可靠的XML处理选择。

替换后的代码：

use XML::LibXML;
my $parser = XML::LibXML->new();
my $doc = $parser->parse_file("demo.xml");
print $doc->toString(1); # 参数1用于格式化输出，可选

方案2：调整XML::DOM的实体处理逻辑 #

若必须使用XML::DOM，可通过开启KeepEntityReferences选项让解析器保留实体引用，避免直接展开：

修改后的代码：

use XML::DOM;
my $parser = XML::DOM::Parser->new(KeepEntityReferences => 1);
my $doc = $parser->parsefile("demo.xml");
print $doc->toString;

注意：需确保demo.dtd中正确定义ast实体，示例DTD内容：

<!ENTITY ast "*">

验证说明 #

两种方案均可让输出XML中id="xx*yy"的结构完整保留，实体不会被移至标签外部。优先推荐XML::LibXML，其对XML标准的兼容性和稳定性更优。

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