使用lxml（python）進行xml驗證（DTD）

Question

有基於XML驗證的簡要說明這里 。 我試圖解析一個XML文件，該XML文件引用了嵌套的DTD，即：XML文件引用了一個DTD，它引用了其他DTD。

我得到的錯誤是未定義Config上的命名空間前綴SomeNameSpace。 我要做的就是使用etree.parse解析xml，etree.parse是lxml上的API。 我的問題是：

1. 我可以關閉驗證功能嗎（我假設xml是正確的）？
2. 我怎么能為lxml提供所有嵌套的DTD，所以它不會抱怨任何標簽？

我看到類似的問題，但沒有任何答案。

Answer 1

前一段時間，我試圖做類似的事情，但找不到解決方案。 我最終在下面編寫了腳本，該腳本打開XML文件並使用正則表達式查找DTD。 它還有一個替代，可以在命令行上使用DTD路徑，這是我的要求。

如果lxml處理嵌套的DTD，則下面的代碼將為您工作。

老實說，我認為自己讀取文件有點麻煩，但這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

您可以嘗試通過Beautiful Soup解析嗎？ 錯誤仍然存​​在嗎？