Python：避免使用 LXML 進行 DTD 驗證

Question

我正在以 SGML 格式解析 2001 年的 USPTO 專利。 在每個文件的頂部，引用了一個外部DTD 。 不幸的是，這個 DTD 似乎是無效的。 有效性檢查確認：

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，我不需要驗證要處理的 SGML 文件。 我只需要 SGML 解析器來了解實體。 目前，我正在使用 Python 和 LXML 庫。 我將 XMLParser 稱為如下：

parser = etree.XMLParser(target=SimpleXMLHandler(), resolve_entities=False, load_dtd=dtd, dtd_validation=False, recover=True)  

但是，我仍然立即收到第 361 行中外部 DTD 無效的錯誤。如何避免該問題？ 我不是DTD的實現者，所以我不願意修復它。

問候！

Answer 1

正如 Chrono Kitsune 已經指出的那樣：問題在於 xml 與 sgml：DTD 不是正確的 xml dtd，因為它是 sgml dtd。

我建議首先將 sgml 文檔轉換為 xml ，例如使用sx 。