使用 lxml（python）的 xml 验证（DTD）答案

【问题标题】：xml validation(DTD) using lxml(python)使用 lxml（python）的 xml 验证（DTD）
【发布时间】：2013-06-18 12:54:20
【问题描述】：

有一个基于 XML 的验证的简要说明here。我正在尝试解析引用嵌套 DTD 的 XML 文件，即：XML 文件引用 DTD，它引用其他 DTD。

我得到的错误是名称空间前缀 SomeNameSpace on Config 未定义。我要做的就是使用 etree.parse 解析 xml，它是 lxml 上的一个 API。我的问题是：

我可以关闭验证吗（我假设 xml 是正确的）？
我如何准确地提供 lxml 所有嵌套的 DTD，这样它就不会抱怨任何标签？

我看到了类似的问题，但没有任何东西可以回答这个问题。

【问题讨论】：

标签： python xml lxml dtd

【解决方案1】：

不久前，我尝试做类似的事情，但无法找到解决方案。我终于编写了下面的脚本，它打开 XML 文件并使用正则表达式查找 DTD。它还具有在命令行上采用 DTD 路径的覆盖，这是我的要求。

如果 lxml 处理嵌套的 DTD，那么下面的代码应该适合你。

老实说，我认为自己读取文件有点像 hack，但这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:])

【讨论】：

【解决方案2】：

您可以尝试通过Beautiful Soup 解析吗？错误仍然存在？

【讨论】：