如何自定义XML实体 XML外部实体引用与定义方法

XML实体分内部和外部两类，用于表示特殊字符、重复内容或外部资源；内部实体在DTD中直接定义值，外部实体通过SYSTEM或PUBLIC引用外部资源，但现代解析器默认禁用外部实体以防XXE攻击。

XML实体用于在文档中代表特殊字符、重复内容或外部资源，自定义实体分内部实体和外部实体两类。关键在于声明的位置与语法是否符合DTD规范，且需注意现代解析器默认禁用外部实体（XXE）以防范安全风险。

定义内部实体（不访问外部文件）

内部实体直接在DTD中定义值，常用于简化重复文本或插入特殊字符：

• 在文档内部DTD中声明： ]>
• 在XML文档中引用：©right; → 解析后显示为“© 2025 My Company”
• 支持参数实体（仅在DTD内使用），用%name;引用，声明时加百分号：

声明外部实体（引用外部资源）

外部实体指向本地文件或URL，语法需指定SYSTEM或PUBLIC标识符：

• 引用本地文件：，然后在文档中用&footer;
• 引用远程内容（不推荐）：
• PUBLIC实体适合标准化资源：

注意：大多数现代XML解析器（如Java的DocumentBuilder、Python的xml.etree.ElementTree）默认禁用外部实体解析，启用需显式配置，否则会报错或静默忽略。

安全提醒：避免XXE攻击

外部实体若处理不当，可能被用于读取敏感文件（如/etc/passwd）、发起SSRF或拒绝服务攻击：

• 禁止使用SYSTEM引用用户可控路径或URL
• 解析XML前关闭外部实体加载：例如Java中设置setFeature("http://apache.org/xml/features/disallow-doctype-decl", true)
• 如必须用外部实体，应白名单校验系统标识符，或改用内部实体+预加载内容方式替代

实际可用的小技巧

即使禁用外部实体，仍可灵活使用内部实体提升可维护性：

• 把长命名空间URI定义为实体：，再在元素中写xmlns:my="&ns;"
• 用参数实体组织DTD模块： %coreElements;（需解析器支持并启用参数实体）
• UTF-8文档中优先用字符引用（✅）代替实体，减少DTD依赖

基本上就这些。实体不是必须的，但用对了能让XML更清晰、更易复用；用错了，轻则解析失败，重则引发安全问题。