我正在以SGML格式解析2001年的USPTO专利。在每个文件的顶部,引用了外部DTD。不幸的是,这个DTD似乎无效。有效性检查确认:
Line 361
Error: A '(' character or an element type is required within declaration of element type "ADR".
<!ELEMENT ADR - - (OMC?,STR*,CITY?,CNTY?,STATE?,CTRY?,PCODE?,EAD*,TEL*,FAX* ...
但是,我不需要验证要处理的SGML文件。我只需要SGML解析器来了解实体。目前,我正在使用Python和LXML库。我按如下方式调用XMLParser:
parser = etree.XMLParser(target=SimpleXMLHandler(), resolve_entities=False, load_dtd=dtd, dtd_validation=False, recover=True)
但是,我仍然在第361行立即收到外部DTD无效的错误。我该如何避免这个问题?我不是DTD的实现者,所以我不愿意修复它。
问候!
答案 0 :(得分:5)
正如Chrono Kitsune已经指出:问题在于xml与sgml:DTD不是正确的xml dtd,因为它是一个sgml dtd。
我建议先将sgml文档转换为xml,例如使用sx。