Python lxml：忽略XML聲明（錯誤）

Question

我試圖用lxml Python模塊解析文件瀏覽器Thunar的自定義操作文件（ ~/.config/Thunar/uca.xml ）。

出於某種原因，Thunar顯然在這些文件中寫了一個malformed declaration ：

<?xml encoding="UTF-8" version="1.0"?>

顯然，該version預計將作為聲明中的第一個“屬性”出現。 如果我嘗試解析文件， lxml會引發XMLSyntaxError 。

不，我不能簡單地糾正聲明，因為Thunar一直用偽造的東西覆蓋它。

這很可能是Thunar的一個錯誤。

不過， 我想知道如何忽略lxml的XML聲明。

我知道我可以預處理XML文檔來過濾掉XML聲明。 但這似乎並不優雅。 由於XML似乎默認為1.0版和UTF-8編碼，因此肯定有可能忽略聲明並假設在lxml 。 我沒有在文檔中或谷歌上找到任何內容，我可能忽略了一些東西。

Answer 1

我對Thunar知之甚少，但如果它在問題中產生XML聲明，那么這就是一個bug。 具有不正確的XML聲明會使文檔格式錯誤。

XML語法為XML聲明中的項指定了一個正確的順序。 version必須先到第二個encoding 。 見http://w3.org/TR/xml/#NT-XMLDecl 。

但是，使用lxml，您可以使用將recover選項設置為True的解析器實例進行解析。 它適用於這種情況。 錯誤的XML聲明被忽略。

from lxml import etree 

parser = etree.XMLParser(recover=True)
tree = etree.parse('uca.xml', parser)