如何在解析XML时支持递归包含
我正在定义一个自己的 XML 模式，它支持一个额外的标签“insert_tag”。当解析到这个标签时，它应该在流中插入一个文本文件，然后继续解析。
这里有一个例子：
my.xml:
<xml>
Something
<insert_file name="foo.html"/>
or another
</xml>
我使用 xmlreader 的方式如下：
class HtmlHandler(xml.sax.handler.ContentHandler):
def __init__(self):
xml.sax.handler.ContentHandler.__init__(self)
parser = xml.sax.make_parser()
parser.setContentHandle(HtmlHandler())
parser.parse(StringIO(html))
我的问题是，如何将包含的内容直接插入到解析流中？当然，我可以通过不断插入包含的文本来递归构建未插入的文本，但这意味着我必须多次解析 XML。
我尝试用自己的流替换 StringIO(html)，这个流允许在中间插入内容，但它不工作，因为 SAX 解析器是以缓冲的方式读取流的。
更新：
我确实找到了一种解决方案，虽然有点“黑科技”。它是基于以下流类构建的：
class InsertReader():
"""A reader class that supports the concept of pushing another
reader in the middle of the use of a first reader. This may
be used for supporting insertion commands."""
def __init__(self):
self.reader_stack = []
def push(self,reader):
self.reader_stack += [reader]
def pop(self):
self.reader_stack.pop()
def __iter__(self):
return self
def read(self,n=-1):
"""Read from the top most stack element. Never trancends elements.
Should it?
The code below is a hack. It feeds only a single token back to
the reader.
"""
while len(self.reader_stack)>0:
# Return a single token
ret_text = StringIO()
state = 0
while 1:
c = self.reader_stack[-1].read(1)
if c=='':
break
ret_text.write(c)
if c=='>':
break
ret_text = ret_text.getvalue()
if ret_text == '':
self.reader_stack.pop()
continue
return ret_text
return ''
def next(self):
while len(self.reader_stack)>0:
try:
v = self.reader_stack[-1].next()
except StopIteration:
self.reader_stack.pop()
continue
return v
raise StopIteration
这个类创建了一个流结构，限制了返回给流用户的字符数量。也就是说，即使 XML 解析器读取了 16386 个字符，这个类也只会返回到下一个 '>' 字符为止。由于 '>' 字符也表示标签的结束，我们可以在这个点将递归包含的内容注入到流中。
这个解决方案的“黑科技”之处在于：
- 从流中一次读取一个字符的速度很慢。
- 这隐含地假设了 SAX 流类读取文本的方式。
这个方法解决了我的问题，但我仍然希望能找到一个更优雅的解决方案。