使用 SAX、pyexpat、ElementTree 进行 Python XML 验证

Question

我正在尝试在 Python 3.4 中检查 XML 文件（针对 DTD、实体、处理指令、命名空间）的有效性。

查看 Python 文档，三个 Python XML 模块 pyexpat、ELementTree 和 SAX 的默认底层解析器是 expat。在 Pyexpat 页面 (https://docs.python.org/3.4/library/pyexpat.html?highlight=pyexpat#module-xml.parsers.expat) 上说使用了非验证版本的 expat 解析器： “xml.parsers.expat 模块是 Expat 非验证 XML 解析器的 Python 接口。”然而，与此同时，当您查看 Python 中的 SAX 文档时，您会看到所有这些用于启用 DTD 验证等的处理函数。您到底是如何让它们工作的？

但是，根据这篇帖子Parsing XML Entity with python xml.sax SAX 可以验证。显然用 expat 作为解析器。

我已经重用了这篇文章中的代码，但无法让它工作我收到错误说 expat 不支持验证： “文件“/usr/lib/python3.4/xml/sax/expatreader.py”，第 149 行，在 setFeature 中 “外籍人士不支持验证”） xml.sax._exceptions.SAXNotSupportedException: expat 不支持验证”。 在帖子中使用了 Python 2.5，所以也许 SAX 从那时起发生了变化......

这是代码：

import xml.sax
from xml.sax import handler, make_parser, parse
import os
import collections

class SaxParser():
    # initializer with directory part as argument
    def __init__(self, dir_path):
        self.dir_path = dir_path

    def test_each_file(self, file_path):
        # ensure full file name is shown
        rev = file_path[::-1]   # reverse string file_path to access position of "/"
        file = file_path[-rev.index("/"):]
        try:
            f = open(file_path, 'r', encoding="ISO-8859-1") # same as "latin-1" encoding
            # see this for enabling validation:
            # https://stackoverflow.com/questions/6349513/parsing-xml-entity-with-python-xml-sax

            parser = make_parser()  # default parser is expat
            parser.setContentHandler(handler.ContentHandler())
            parser.setFeature(handler.feature_namespaces,True)
            parser.setFeature(handler.feature_validation,True)
            parser.setFeature(handler.feature_external_ges, True)
            parser.parse(f)
            f.close()
            return (file, "OK")

        except xml.sax.SAXParseException as PE:
            column = PE.getColumnNumber()
            line = PE.getLineNumber()
            msg = PE.getMessage()
            value = msg + " " + str(line) + " " + str(column)
            return (file, value)

        except ValueError:
            return (file, "ValueError. DTD uri not found.") # that can happen



    def test_directory_sax(self, dir_path):
        tuples = []
        for ind, file in enumerate(os.listdir(dir_path), 1):
            if file.endswith('.xml'):
                tuples.append(self.test_each_file(dir_path + file))

        # convert into dict and sort it by key (file number)
        dict_of_errors = dict(tuples)
        dict_of_errors = collections.OrderedDict(sorted(dict_of_errors.items()))
        return dict_of_errors


# ========================================================================
# INVOKE TESTS FOR SINGLE SPECIFIED DIRECTORY THAT CONTAINS TEST FILES
# ========================================================================
path = # path to directory where xml file is. - not the filepath!
single_sax = SaxParser(path)
print('============================================================')
print('TEST FOR SAX parser FOR DIRECTORY ' + path)
print('============================================================\n')
print(single_sax.test_directory_sax(path))

和测试xml文件（应该产生验证错误）：

<!DOCTYPE root [
    <!ATTLIST root
    id2 ID  "x23"
    >
]>

<!-- an ID attribute must have a declared default
    of #IMPLIED or #REQUIRED
-->

<root/>

如何检查有效性？对于三个 XML 模块之一？ 一个简单的例子就可以了。

谢谢。

Answer 1

如果您查看源文件，您会发现 xml.sax.handler.feature_validation 并没有真正做任何事情，只是引发了这个异常：

def setFeature(self, name, state):
    # ...
    elif name == feature_validation:
        if state:
            raise SAXNotSupportedException(
                "expat does not support validation")
    #...

我建议使用lxml 来执行此操作。一个例子是这样的：

from lxml import etree
from cStringIO import StringIO
# from io import StringIO (py3)

f = StringIO('<!ATTLIST root id2 ID "x23">')

dtd =  etree.DTD(f)

root = etree.XML('<root/>')

print(dtd.validate(root))
print(dtd.error_log.filter_from_errors()[0])