使用lxml解析DTD时出错

Question

我正在尝试编写一个验证脚本，用来检查XML文件是否符合NITF DTD的标准，具体的标准可以在这个链接找到：http://www.iptc.org/std/NITF/3.4/specification/dtd/nitf-3-4.dtd。根据这篇帖子，我写了一个简单的脚本来验证NITF XML文档。但是，当我运行这个脚本时，出现的错误信息并不清楚，这让我很难找到问题所在。希望能得到一些帮助。

#!/usr/bin/env python


def main():
    from lxml import etree, objectify
    from StringIO import StringIO

    f = open('nitf_test.xml')
    xml_doc = f.read()
    f.close()

    f = open('nitf-3-4.dtd')
    dtd_doc = f.read()
    f.close()

    dtd = etree.DTD(StringIO(dtd_doc))
    tree = objectify.parse(StringIO(xml_doc))
    dtd.validate(tree)


if __name__ == '__main__':

    main()

错误追踪信息：

Traceback (most recent call last):
  File "./test_nitf_doc.py", line 23, in <module>
    main()
  File "./test_nitf_doc.py", line 16, in main
    dtd = etree.DTD(StringIO(dtd_doc))
  File "dtd.pxi", line 43, in lxml.etree.DTD.__init__ (src/lxml/lxml.etree.c:126056)
  File "dtd.pxi", line 117, in lxml.etree._parseDtdFromFilelike (src/lxml/lxml.etree.c:126727)
lxml.etree.DTDParseError: error parsing DTD

如果我把这一行：

dtd = etree.DTD(StringIO(dtd_doc))

改成：

dtd = etree.DTD(dtd_doc)

我得到的错误是：

lxml.etree.DTDParseError: failed to load external entity "NULL"

Answer 1

我查看了一下 nitf-3-4.dtd 文件，发现它引用了一个外部模块 xhtml-ruby-1.mod。你可以通过这个链接下载这个模块。这个模块需要放在当前目录下，这样 DTD 解析器才能加载它。

下面是一个完整的示例（假设你手头有一个有效的 NITF 文档）：

% wget http://www.iptc.org/std/NITF/3.4/specification/dtd/nitf-3-4.dtd
% wget http://www.iptc.org/std/NITF/3.4/specification/dtd/xhtml-ruby-1.mod

Python 代码：

from lxml import etree, objectify
dtd = etree.DTD(open('nitf-3-4.dtd', 'rb'))
tree = objectify.parse(open('nitf_test.xml', 'rb'))
print dtd.validate(tree)

输出结果：

% python nitf_test.py
True