Python xml.dom.minidom.parse() 函数忽略 DTD

Question

我有以下的Python代码：

import xml.dom.minidom
import xml.parsers.expat

try:
    domTree = ml.dom.minidom.parse(myXMLFileName)
except xml.parsers.expat.ExpatError, e:
    return e.args[0]

我用这个代码来解析一个XML文件。虽然它能很轻松地发现一些简单的XML错误，比如标签不匹配，但它完全忽略了XML文件顶部指定的DTD：

<?xml version="1.0" encoding="UTF-8" standalone="no" ?>
<!DOCTYPE ServerConfig SYSTEM "ServerConfig.dtd">

所以它没有注意到一些必须的元素缺失，比如说。我该怎么开启DTD检查呢？

Answer 1

为了记录一下，我现在的代码是这样的：

from lxml import etree

try:
    parser = etree.XMLParser(dtd_validation=True)
    domTree = etree.parse(myXMLFileName, parser=parser)
except etree.XMLSyntaxError, e:
    return e.args[0]

Answer 2

简单来说，Python中的xml.dom.minidom和xml.sax默认使用的是expat解析器，这是一种不进行验证的解析器。它可能会读取DTD（文档类型定义）来进行实体替换，但不会根据DTD进行验证。

gimel和Tim推荐使用lxml，这是一个很适合Python的库，能够与libxml2和libxslt库配合使用。它支持根据DTD进行验证。我一直在用lxml，觉得它非常好。

Answer 3

可以看看这个问题 - 被认可的答案是使用lxml 验证。