Question

请考虑这种XHTML文档：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head></head>
<body>
<!--- Some comment with 3 dashes that causes parsing error --->
<!-- Rest of XHTML -->
</body>
</html>

和我正在尝试解析的部分VBScript代码：

With CreateObject("MSXML2.DOMDocument.6.0")
    .async = False
    .setProperty "ProhibitDTD", False
    .validateOnParse = False
    .setProperty "SelectionLanguage", "XPath"
    .setProperty "SelectionNamespaces", "xmlns:xhtml='http://www.w3.org/1999/xhtml'"
    .load(url)
End With

我收到错误报告：

评论中使用了不正确的语法

显然是因为评论使用3个破折号。

有谁知道如何解决这个问题（不使用HTTP请求并更正XHTML源代码）？

Answer 1

正如standard明确指出：

为了兼容性，绝不能出现字符串“ - ”（双连字符）在评论中。

没有合适的解析器可以接受你的'XML'格式良好。您可能会搜索错误的解析器 - this表示某些版本的BeautifulSoup（3.08）可能会接受 - 在评论中 - 但真正的解决方案是要么在.loadXml之前清理数据，要么 - 更好 - 要大坚持作者。

注释中使用了不正确的语法

1 个答案: