Question

我正在使用Python生成一些XML代码。此代码计算语料库中单词的出现次数，并将该单词与数字（概率分布）进行匹配。

以下是一些XML示例：

<?xml version="1.0" encoding="UTF-8" ?>
    <root>
        <Durapipe type="int">1</Durapipe>
        <EXPLAIN type="int">2</EXPLAIN>
        <woods type="int">2</woods>
        <hanging type="int">3</hanging>
        <hastily type="int">2</hastily>
        <key type="int" name="27p">1</key>
        <localized type="int">1</localized>
        <Schuster type="int">5</Schuster>
        <regularize type="int">1</regularize>
        ....
    </root>

这是我用来生成这个的Python：

from __future__ import unicode_literals

import nltk.corpus
from nltk import FreqDist
import dicttoxml

#corpus
words = [w.decode('utf-8', errors='replace') for w in nltk.corpus.reuters.words()]
fd = FreqDist(words)
afd = dict(fd)

# special key for sum
afd['__sum__']=fd.N()

xml = dicttoxml.dicttoxml(afd)

f=open('frequencies.xml', 'w')
f.write(xml)
f.close()

我后来通过XStream运行XML将其转换为Java Map。不幸的是，由于XML代码中的错误，XStream无法转换它，因为“key”这个词出现了。我找不到生活中的错误。 XML Error看起来像这样：

[致命错误] frequency.xml：1：27582：元素类型“key”必须后跟属性规范“＆gt;”或“/＆gt;”。线程“main”中的异常com.thoughtworks.xstream.io.StreamException ::元素类型“key”必须后跟属性规范“＆gt;”或“/＆gt;”。

所以我在这里有三个问题：这个错误是什么？我该如何修复XML？如何修改Python代码以生成正确的XML？

很抱歉这个冗长的问题，但我对Python和XML都缺乏经验。您可以给予任何帮助，我将不胜感激。提前谢谢！

Answer 1

nltk.corpus.reuters.words()返回一个包含一些＆＃34;单词的列表＆＃34;它不能是有效的XML元素名称，例如.'"。

当dicttoxml()在afd字典中遇到这样的密钥时，它会生成一个名为＆＃34; key＆＃34;的元素。并且包含原始（无效）名称的属性name，例如

<key type="int" name=".'"">1</key>

显然，这是无效的XML，并且所有XML解析器都应该（正确地）抱怨它。 xmllint确实发现了XStream也是如此。 dicttoxml()并未将双引号（"）等字符替换为"。要解决此问题，您可以在运行xml_escape()之前调用密钥上的dicttoxml()（请参阅下面的dict comprehension）：

from __future__ import unicode_literals

import nltk.corpus
from nltk import FreqDist
from dicttoxml import dicttoxml, xml_escape

#corpus
words = [w.decode('utf-8', errors='replace') for w in nltk.corpus.reuters.words()]
fd = FreqDist(words)
afd = {xml_escape(k):v for k,v in fd.items()}

# special key for sum
afd['__sum__']=fd.N()

xml = dicttoxml(afd)

f=open('frequencies.xml', 'w')
f.write(xml)
f.close()

Python生成的XML出错

1 个答案: