使用Python和lxml验证XML与外部DTD

4 投票

2 回答

4483 浏览

提问于 2025-04-17 22:13

我正在尝试验证一个XML文件，这个文件中引用了一个外部的DTD，具体是在doctype标签里提到的。

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE en-export SYSTEM "http://xml.evernote.com/pub/evernote-export3.dtd">
...the rest of the document...

我使用的是Python 3.3和lxml模块。根据我在http://lxml.de/validation.html#validation-at-parse-time上看到的信息，我把这个代码写出来了：

enexFile = open(sys.argv[2], mode="rb") # sys.argv[2] is the path to an XML file in local storage.
enexParser = etree.XMLParser(dtd_validation=True)
enexTree = etree.parse(enexFile, enexParser)

根据我对validation.html的理解，lxml库应该可以自动获取DTD并进行验证。但是，结果却是这样的：

$ ./mapwrangler.py validate notes.enex
Traceback (most recent call last):
  File "./mapwrangler.py", line 27, in <module>
    enexTree = etree.parse(enexFile, enexParser)
  File "lxml.etree.pyx", line 3239, in lxml.etree.parse (src/lxml/lxml.etree.c:69955)
  File "parser.pxi", line 1769, in lxml.etree._parseDocument (src/lxml/lxml.etree.c:102257)
  File "parser.pxi", line 1789, in lxml.etree._parseFilelikeDocument (src/lxml/lxml.etree.c:102516)
  File "parser.pxi", line 1684, in lxml.etree._parseDocFromFilelike (src/lxml/lxml.etree.c:101442)
  File "parser.pxi", line 1134, in lxml.etree._BaseParser._parseDocFromFilelike (src/lxml/lxml.etree.c:97069)
  File "parser.pxi", line 582, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:91275)
  File "parser.pxi", line 683, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:92461)
  File "parser.pxi", line 622, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:91757)
lxml.etree.XMLSyntaxError: Validation failed: no DTD found !, line 3, column 43

这让我感到惊讶，因为如果我关闭验证，文档就能正常解析，我可以用print(enexTree.docinfo.doctype)来获取

$ ./mapwrangler.py validate notes.enex
<!DOCTYPE en-export SYSTEM "http://xml.evernote.com/pub/evernote-export3.dtd">

所以在我看来，找DTD应该没有问题。

谢谢你的帮助。

dtd lxml 数据验证编程错误 xml验证 xml解析文档解析外部dtd

2 个回答

我至今不知道为什么，我的问题和我本地文件系统上XML目录的位置有关。

在我的情况下，我使用的XML编辑器和一个内容管理系统（CCMS，这里是SDL Trisoft 2011 R2）紧密集成。当编辑器连接到CCMS时，DTD文件、目录文件和其他一些文件会被同步。这些文件最终会放在本地文件系统的：

C:\Users\[username]\AppData\Local\Trisoft\InfoShare Client\[id]\Config\DocTypes\catalog.xml

我一直无法让它正常工作。简单地把整个目录复制到另一个位置就解决了问题，这样就可以用了：

f = r"path/to/my/file.xml"
# set XML catatog file path
os.environ['XML_CATALOG_FILES'] = r'C:\DATA\Mydoctypes\catalog.xml'
# configure parser
parser = etree.XMLParser(dtd_validation=True, no_network=True)
# validate
try:
   valid = etree.parse(f, parser=parser)
    print("This file is valid against the DTD.")
except etree.XMLSyntaxError, error:
   print("This file is INVALID against the DTD!")
   print(error)

显然，这并不是最理想的解决办法，但确实有效。

这可能和文件权限有关，或者是Windows里那个老掉牙的“文件路径太长”的问题？我还没有尝试过使用符号链接是否能解决这个问题。

我使用的是Windows 7，Python 2.7.11，lxml的版本是（3.6.0）。

回答于 2025-04-17 由 Python大师

分享举报

在创建解析器对象的时候，你需要加上 no_network=False 这个选项。默认情况下，这个选项是设置为 True 的。

根据解析器选项的文档说明，链接在这里：http://lxml.de/parsing.html#parsers：

no_network - 在查找外部文档时，防止网络访问（默认是开启的）

回答于 2025-04-17 由 Python大师

分享举报

使用Python和lxml验证XML与外部DTD

2 个回答

撰写回答