libxml2从字符串解析含ATTLIST的大DTD失败，求问题排查

你在C++中嵌入DTD字符串并解析验证XML时，遇到大DTD解析失败但文件方式验证正常的问题，根源在于输入缓冲区编码参数不匹配以及静态缓冲区的边界处理问题。

错误原因 #

你的代码中，创建DTD输入缓冲区时使用XML_CHAR_ENCODING_NONE（让libxml自动检测编码），但解析DTD时强制指定XML_CHAR_ENCODING_ASCII，这种编码参数的不一致会导致解析器在处理较长DTD内容时出现识别混乱，触发语法错误。而xmlstarlet处理文件时会正确识别编码和缓冲区边界，因此不会出错。

修复方案 #

方案1：统一编码参数 #

将缓冲区创建和DTD解析的编码参数保持一致，比如都使用XML_CHAR_ENCODING_ASCII：

修改缓冲区创建代码：

xmlParserInputBufferPtr dtdbuf = xmlParserInputBufferCreateStatic(
    dtdstr, static_cast<int>(std::strlen(dtdstr)),
    XML_CHAR_ENCODING_ASCII); // 与解析DTD的编码参数一致

方案2：改用动态内存缓冲区 #

使用xmlParserInputBufferCreateMem代替静态缓冲区创建函数，让libxml自行管理内存缓冲区，避免边界处理问题：

xmlParserInputBufferPtr dtdbuf = xmlParserInputBufferCreateMem(
    reinterpret_cast<const xmlChar*>(dtdstr), 
    static_cast<int>(std::strlen(dtdstr)),
    XML_CHAR_ENCODING_ASCII);

额外优化：正确初始化验证上下文 #

显式初始化验证上下文，避免潜在的未定义行为：

xmlValidCtxt vctxt;
xmlInitValidCtxt(&vctxt);

修改后的完整代码 #

#include <libxml/parser.h>
#include <libxml/xmlmemory.h>

#include <cstring>
#include <iostream>

const char* dtdstr =
  "<!ELEMENT recording (monitor|processor|remote)*>\n"
#if 1
  "<!ATTLIST recording\n"
  "    label CDATA #IMPLIED\n"
  "    logfile CDATA #IMPLIED\n"
  "    stop (halt|ready) 'halt'\n"
  "    wait (halt|ready) 'ready'\n"
  "    warmup_seconds CDATA '0'\n"
  ">\n"
#endif
  "<!ELEMENT monitor (instrument)*>\n"
#if 1
  "<!ATTLIST monitor\n"
  "    address CDATA #REQUIRED\n"
  "    port CDATA #REQUIRED\n"
  "    failure (critical|ignore|startup) 'critical'\n"
  ">\n"
#endif
  "<!ELEMENT instrument EMPTY>\n"
#if 1
  "<!ATTLIST instrument\n"
  "    address CDATA #REQUIRED\n"
  "    mask CDATA #IMPLIED\n"
  "    sync (external|internal) 'internal'\n"
  ">\n"
#endif
  "<!ELEMENT processor (interface)*>\n"
#if 1
  "<!ATTLIST processor\n"
  "    label CDATA #IMPLIED\n"
  "    logfile CDATA #IMPLIED\n"
  "    stop (halt|ready) 'halt'\n"
  "    wait (halt|ready) 'ready'\n"
  "    warmup_seconds CDATA '0'\n"
  ">\n"
#endif
  "<!ELEMENT interface ANY>\n"
  "\n";

const char* xmlstr =
  "<recording>\n"
  "  <monitor address=\"127.0.0.1\" port=\"0\">\n"
  "    <instrument address=\"127.0.0.1\"/>\n"
  "  </monitor>\n"
  "  <processor>\n"
  "    <interface/>\n"
  "  </processor>\n"
  "</recording>\n";

int main()
{
  std::cout << "DTD:\n"
        << dtdstr
        << "\n\nXML:\n"
        << xmlstr
        << "\n\n";
  xmlDocPtr doc = xmlParseDoc(reinterpret_cast<const xmlChar*>(xmlstr));
  if(! doc)
    return 1;
  
  // 方案1：统一编码的静态缓冲区
  xmlParserInputBufferPtr dtdbuf = xmlParserInputBufferCreateStatic(
        dtdstr, static_cast<int>(std::strlen(dtdstr)),
        XML_CHAR_ENCODING_ASCII);
  // 方案2：动态内存缓冲区（注释上方，启用下方）
  // xmlParserInputBufferPtr dtdbuf = xmlParserInputBufferCreateMem(
  //       reinterpret_cast<const xmlChar*>(dtdstr), static_cast<int>(std::strlen(dtdstr)),
  //       XML_CHAR_ENCODING_ASCII);
  
  if(! dtdbuf)
    return 2;
  xmlDtdPtr dtd = xmlIOParseDTD(nullptr, dtdbuf, XML_CHAR_ENCODING_ASCII);
  if(! dtd)
    return 3;
  
  xmlValidCtxt vctxt;
  xmlInitValidCtxt(&vctxt); // 显式初始化验证上下文
  
  if(xmlValidateDtd(&vctxt, doc, dtd))
    std::cout << "valid\n";
  else
    std::cout << "invalid\n";
  
  // 释放libxml资源，避免内存泄漏
  xmlFreeDtd(dtd);
  xmlFreeParserInputBuffer(dtdbuf);
  xmlFreeDoc(doc);
  xmlCleanupParser();
}

补充说明 #

原代码遗漏了libxml资源的释放逻辑，补充xmlFreeDtd、xmlFreeParserInputBuffer、xmlFreeDoc和xmlCleanupParser可以避免内存泄漏。

内容的提问来源于stack exchange，提问作者Homer512