XML DOM的DocumentType接口包含什么？如何使用它访问DTD信息？

在解析XML文档时，很多人只关注元素节点和属性节点，却忽略了DOM树中的另一个成员：DocumentType节点。它对应XML文档开头的文档类型声明，也就是通常所说的DTD（Document Type Definition）。DOM规范专门为它定义了一个DocumentType接口，通过这个接口可以读取DTD的名称、内部子集、外部标识符以及实体和记号的定义信息。本文将完整梳理这个接口包含的内容，并配合代码示例说明如何在Java和浏览器环境中使用它。

DocumentType接口的继承关系与节点特征

DocumentType接口继承自Node接口，因此它具备普通DOM节点的基本能力，比如nodeType属性返回10（DOCUMENT_TYPE_NODE），nodeName属性返回DTD的名称。在DOM Level 2之后，它还继承自DocumentType所属的扩展体系，使得接口可以直接暴露DTD的详细结构。

需要注意的一点是，DocumentType节点在DOM树中的位置非常特殊：它必须出现在Document节点的直接子节点列表中，并且一个文档最多只能有一个DocumentType节点。可以通过document.getDoctype()方法获取它，如果文档没有DTD声明，该方法返回null。

另外，DocumentType节点是只读的，不能向它的entities或notations集合中添加或修改成员。DOM规范将其设计为对DTD信息的静态映射，这一点与Element、Text等可操作节点形成鲜明对比。这种只读设计的原因在于，修改DTD往往意味着整个文档的有效性规则都发生了变化，DOM核心模块并不负责重新校验。

DocumentType接口包含的核心属性详解

按照DOM规范的定义，DocumentType接口主要包含六个属性，每个属性都对应DTD声明中的一块信息，下面逐个说明。

第一个是name属性，它返回文档类型声明中根元素的名称。例如对于声明<!DOCTYPE catalog SYSTEM "catalog.dtd">，name属性的值就是字符串catalog。这个属性永远不会为null，是接口中最基础的信息。

第二和第三个是一对标识符：publicId和systemId。publicId返回外部DTD的公共标识符，也就是PUBLIC关键字后面的字符串；systemId返回系统标识符，即DTD文件的URI。如果DTD声明中没有对应部分，这两个属性分别返回null。对于内部子集形式的DTD，这两个属性都会是null。

第四个是internalSubset属性，它返回DTD内部子集的完整文本内容，包括包围它的方括号。如果DTD没有内部子集，则返回null。值得提醒的是，internalSubset是DOM Level 2才引入的，部分浏览器的早期实现不支持它。

最后两个是集合类型的属性：entities和notations。entities返回一个NamedNodeMap集合，包含DTD中声明的一般实体（ENTITY声明），每个成员都是Entity节点，可以通过getNamedItem方法按名称查找；notations同样返回NamedNodeMap，包含NOTATION声明的记号信息，每个成员是Notation节点。这两个集合都是只读的，且不包含参数实体。

在浏览器中使用JavaScript访问DTD信息

在现代浏览器中，使用DOMParser解析XML字符串后，可以通过doctype属性访问DocumentType节点。下面是一个完整的示例，演示如何读取各个属性的值。

var xmlText = '<?xml version="1.0" encoding="UTF-8"?>'
  + '<!DOCTYPE catalog SYSTEM "catalog.dtd" ['
  + '<!ENTITY copyright "Copyright ipipp.com">'
  + '<!NOTATION gif SYSTEM "image/gif">'
  + ']>'
  + '<catalog><book/></catalog>';

var parser = new DOMParser();
var doc = parser.parseFromString(xmlText, "application/xml");

var dt = doc.doctype;
console.log(dt.name);              // catalog
console.log(dt.systemId);          // catalog.dtd
console.log(dt.publicId);          // null
console.log(dt.internalSubset);    // 内部子集文本

// 遍历DTD中定义的实体
var entities = dt.entities;
for (var i = 0; i < entities.length; i++) {
  console.log(entities.item(i).nodeName);
}

// 按名称查找特定实体
var ent = entities.getNamedItem("copyright");
console.log(ent != null ? "找到实体" : "未找到实体");

// 遍历记号声明
var notations = dt.notations;
for (var j = 0; j < notations.length; j++) {
  console.log(notations.item(j).nodeName);
}

上面的代码展示了浏览器环境下的标准用法。需要说明的是，部分浏览器出于安全考虑，对内部子集中的实体解析做了限制，internalSubset在某些实现中可能返回null或空字符串，实际开发时应做好兼容性判断。

如果只需要判断文档是否带有DTD，直接检查doc.doctype是否为null即可；如果要校验文档是否符合DTD规范，则需要借助解析器的校验功能，DocumentType接口本身只负责提供信息，不做有效性验证。

在Java解析器中读取DocumentType

Java平台下处理XML的主力是JAXP接口，无论底层使用DOM解析器还是SAX转换成DOM树，都可以通过getDoctype方法拿到DocumentType对象。下面的示例使用最常见的方式完成遍历。

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.DocumentType;
import org.w3c.dom.NamedNodeMap;
import org.w3c.dom.Node;
import java.io.File;

public class DTDInfoReader {
    public static void main(String[] args) throws Exception {
        DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
        DocumentBuilder builder = factory.newDocumentBuilder();
        Document doc = builder.parse(new File("catalog.xml"));

        DocumentType dt = doc.getDoctype();
        if (dt == null) {
            System.out.println("文档没有DTD声明");
            return;
        }

        System.out.println("DTD名称: " + dt.getName());
        System.out.println("系统标识符: " + dt.getSystemId());
        System.out.println("公共标识符: " + dt.getPublicId());
        System.out.println("内部子集: " + dt.getInternalSubset());

        // 枚举实体声明
        NamedNodeMap entities = dt.getEntities();
        for (int i = 0; i < entities.getLength(); i++) {
            Node n = entities.item(i);
            System.out.println("实体: " + n.getNodeName());
        }

        // 枚记号声明
        NamedNodeMap notations = dt.getNotations();
        for (int i = 0; i < notations.getLength(); i++) {
            Node n = notations.item(i);
            System.out.println("记号: " + n.getNodeName());
        }
    }
}

在Java中使用时有一个常见坑：如果解析器没有加载外部DTD，systemId属性仍然可以正确返回，因为它来自文档声明本身而非DTD文件内容；但entities和notations集合只有在解析器实际读取了DTD的情况下才会被填充。默认配置下DocumentBuilderFactory不会加载外部DTD，需要时可以设置相关工厂属性来启用。

另一个值得注意的点是，JDK早期版本的getInternalSubset实现存在差异，某些版本会省略方括号，跨版本部署时建议不要依赖该属性的精确格式，只把它当作参考信息使用。

使用场景与注意事项

DocumentType接口的典型应用场景包括：文档处理工具需要根据DTD名称分发到不同的处理逻辑；内容管理系统在导入XML时记录原始DTD信息；以及需要统计项目中实体定义使用情况的静态分析工具。在这些场景下，它提供的信息比手工解析DOCTYPE字符串更可靠。

使用时还需留意几点。第一，entities集合中的Entity节点本身也有children属性，理论上包含实体的替换文本，但多数解析器出于安全和性能考虑返回空节点列表，不应依赖它获取实体内容。第二，notations集合在Schema取代DTD的现代项目中越来越少见，但处理遗留文档时仍然有用。第三，XHTML文档的<!DOCTYPE html>在HTML解析模式下没有外部标识符，systemId和publicId的行为与XML模式不同，处理HTML文档时要区分对待。

总体来看，DocumentType接口虽然属性不多，但完整覆盖了DTD声明的各个组成部分：名称、内外部标识、内部子集、实体集合和记号集合。掌握这些属性的语义和兼容性差异，在需要读取文档类型信息的场合就能得心应手，不必再通过字符串匹配去解析DOCTYPE声明，代码也会更加健壮和规范。

DocumentType接口XML DOMDTD修改时间：2026-09-01 15:26:49