Question

基于XML here的验证简要说明。我正在尝试解析引用嵌套DTD的XML文件，即：XML文件是指DTD，它引用其他DTD。

我得到的错误是未定义Config上的命名空间前缀SomeNameSpace。我所要做的就是使用etree.parse解析xml，这是lxml上的API。我的问题是：

我可以关闭验证（我假设xml是正确的）？
我怎样才能提供lxml所有嵌套的DTD，所以它不会抱怨任何标签？

我看到类似的问题，但没有回答这个问题。

Answer 1

前段时间我尝试做类似的事情并且无法找到解决方案。我终于编写了下面的脚本，打开XML文件并使用正则表达式查找DTD。它还有一个覆盖来在命令行上获取DTD路径，这是我的要求。

如果lxml处理嵌套的DTD，那么下面的代码应该适合你。

老实说，我认为自己阅读文件有点黑客，但这是我找到的唯一方法。

import re
import sys
import os.path
import codecs
from lxml import etree

def main(args):
    if len(args)<1:
        print("Not enough arguments given.  Expected:")
        print("\tvalidatexml <xml file name> [<dtd file name>]\n")
        exit(1)

    dtdRe = re.compile('.*<!DOCTYPE .* ["\'](.*\.dtd)["\']>.*')
    theDtd = None
    inFile = args[0]
    fdir = os.path.abspath(os.path.dirname(inFile))
    if len(args)==2:
        theDtd = os.path.abspath(args[1])
    else:
        with codecs.open(args[0], 'r', 'utf-8') as inf:
            for ln in inf:
                mtch = dtdRe.match(ln)
                if mtch:
                    if os.path.isabs(mtch.group(1)):
                        theDtd = mtch.group(1)
                    else:
                        theDtd = os.path.abspath(fdir + '/' + mtch.group(1))
                    break
    if theDtd is None:
        print("No DTD specified!")
        exit(2)

    if not os.path.exists(theDtd):
        print("The DTD ({}) does not exist!".format(theDtd))
        exit(3)

    print('Using DTD:', theDtd)

    parser = etree.XMLParser(dtd_validation=True)
    dtd = etree.DTD(open(theDtd))
    tree = etree.parse(args[0])

    valid = dtd.validate(tree)
    if (valid):
        print("XML was valid!")

    else:
        print("XML was not valid:")
        print(dtd.error_log.filter_from_errors())


if __name__ == '__main__':
    main(sys.argv[1:])

Answer 2

您可以尝试按Beautiful Soup解析吗？错误仍然存在？

xml验证（DTD）使用lxml（python）

2 个答案: