如何在Python中使用简化的RELAX NG架构验证XML文档？

Question

我该如何在Python中通过紧凑的RELAX NG模式来验证XML文档呢？

Answer 1

除了使用jingtrang或其他外部工具之外，还有一个选择，就是使用一个叫做 rnc2rng 的Python库。这个库可以加载RNC格式的文件，并把它转换成ReleaxNG的XML格式字符串，然后可以把这个字符串加载到lxml的RelaxNG类中。

想了解更多细节，可以查看 这个问题。

Answer 2

如果你想在命令行中检查语法和Compact RelaxNG语法，可以使用pyjing，这个工具来自jingtrang模块。

它支持.rnc文件，并且提供的信息比单纯的True或False要多。例如：

C:\>pyjing -c root.rnc invalid.xml
C:\invalid.xml:9:9: error: element "name" not allowed here; expected the element end-tag or element "bounds"

注意：这是一个Python的封装工具，底层使用的是Java的jingtrang，所以你需要先安装Java。

如果你想在Python中检查语法，可以按照以下步骤操作：

1. 使用pytrang（来自jingtrang的封装）将“Compact RelaxNG”格式的文件（.rnc）转换为XML RelaxNG格式（.rng）： pytrang root.rnc root.rng

2. 使用lxml来解析转换后的.rng文件，具体可以参考这个链接：https://lxml.de/validation.html#relaxng

大致的操作会是这样的：

>>> from lxml import etree
>>> from subprocess import call

>>> call("pytrang root.rnc root.rng")

>>> with open("root.rng") as f:
...    relaxng_doc = etree.parse(f)
>>> relaxng = etree.RelaxNG(relaxng_doc)

>>> valid = StringIO('<a><b></b></a>')
>>> doc = etree.parse(valid)
>>> relaxng.validate(doc)
True

>>> invalid = StringIO('<a><c></c></a>')
>>> doc2 = etree.parse(invalid)
>>> relaxng.validate(doc2)
False

Answer 3

你觉得用 lxml 这个库怎么样？

根据文档的介绍：

>>> f = StringIO('''\
... <element name="a" xmlns="http://relaxng.org/ns/structure/1.0">
...  <zeroOrMore>
...     <element name="b">
...       <text />
...     </element>
...  </zeroOrMore>
... </element>
... ''')
>>> relaxng_doc = etree.parse(f)
>>> relaxng = etree.RelaxNG(relaxng_doc)

>>> valid = StringIO('<a><b></b></a>')
>>> doc = etree.parse(valid)
>>> relaxng.validate(doc)
True

>>> invalid = StringIO('<a><c></c></a>')
>>> doc2 = etree.parse(invalid)
>>> relaxng.validate(doc2)
False