Question

我试图使用lxml的parser target interface逐步将XML解析为“自定义”树，并且我遇到了以下问题：如果您实例化解析器并立即将其提供给根元素的开始标记，直到任何其他事件发生（例如传入数据，结束标记，另一个开始标记等），目标的“开始”回调才会触发。这似乎不会发生在任何其他（嵌套）元素上。

演示：

class EchoTarget(object):
    def start(self, tag, attrib):
        print("start %s %s" % (tag, attrib))
    def end(self, tag):
        print("end %s" % tag)
    def data(self, data):
        print("data %r" % data)
    def comment(self, text):
        print("comment %s" % text)
    def close(self):
        print("close")
        return "closed!"

>>> p = etree.XMLParser(target=EchoTarget())
>>> p.feed('<a>') # nothing happens
>>> p.feed(' ') # suddenly..
start a {}
>>> p.feed('<b>') # works as expected
data u' '
start b {}

有一种方法可以解决这个问题：

>>> p = etree.XMLParser(target=EchoTarget())
>>> p.feed(' ')
>>> p.feed('<a>')
start a {}

对此有何解释？解决方法是“有效”吗？也就是说，依靠这种行为来确保流中的第一个开始标记是否会触发“开始”回调是否安全？

顺便说一下，还有另一种方法可以实现这个结果：

>>> p = etree.XMLParser(target=EchoTarget())
>>> p.feed('<a')
>>> p.feed('>')
start a {}

然而，将流分成2个字符长度的块看起来有点过分。

Answer 1

从阅读文档看，这似乎是预期的行为（引自http://lxml.de/parsing.html#the-feed-parser-interface）：

“如果你不调用close（），解析器将保持锁定状态后续的Feed会保留附加数据，通常会导致非数据格式良好的文档和意外的解析器错误。所以请确保你在使用后总是关闭解析器，也在异常情况下关闭。“

因此，解析器正在“等待”更多信息被馈送或关闭。您可以通过调用close方法验证您正在提供的内容是否是有效的XML：

>>> p.feed('<a>')
>>> p.close()
start a {}
close
Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "parser.pxi", line 1171, in lxml.etree._FeedParser.close (src/lxml/lxml.etree.c:79791)
  File "parsertarget.pxi", line 128, in lxml.etree._TargetParserContext._handleParseResult (src/lxml/lxml.etree.
c:88895)
  File "parser.pxi", line 590, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:74696)
XMLSyntaxError: Extra content at the end of the document, line 1, column 4

因此，例如关闭已打开的标记（有效的XML）将产生：

>>> p = etree.XMLParser(target=EchoTarget())
>>> p.feed('<a>')
>>> p.feed('</a>')
start a {}
end a

希望这有帮助。

当lxml的解析器目标被提供一个开始标记时，它不会立即触发'start'回调

1 个答案: