来自StringIO源的？

Question

我正在调整下面的代码(通过这个问题中的通知创建)，它使用了一个XML文件，它是DTD，并将它们转换成不同的格式。对于这个问题，只有加载部分是重要的：

xmldoc = open(filename)

parser = etree.XMLParser(dtd_validation=True, load_dtd=True)    
tree = etree.parse(xmldoc, parser)

在使用文件系统时，这很好，但我正在将其转换为通过web框架运行，其中两个文件是通过表单加载的。

加载xml文件工作得很好：

tree = etree.parse(StringIO(data['xml_file']) 

但是，当DTD链接到xml文件的顶部时，以下语句将失败：

parser = etree.XMLParser(dtd_validation=True, load_dtd=True)
tree = etree.parse(StringIO(data['xml_file'], parser)

通过这个问题，我尝试了：

etree.DTD(StringIO(data['dtd_file'])
tree = etree.parse(StringIO(data['xml_file'])

虽然第一行不会导致错误，但第二行落在了DTD要提取的unicode实体上(在文件系统版本中是这样做的)：

XMLSyntaxError:实体“eacute”未定义，第4495行，第46列

如何正确加载此DTD？

Answer 1

这里有一个简短但完整的例子，使用自定义解析器技术@Steven提到的。

from StringIO import StringIO
from lxml import etree

data = dict(
    xml_file = '''<?xml version="1.0"?>
<!DOCTYPE x SYSTEM "a.dtd">
<x><y>&eacute;zz</y></x>
''',
    dtd_file = '''<!ENTITY eacute "&#233;">
<!ELEMENT x (y)>
<!ELEMENT y (#PCDATA)>
''')

class DTDResolver(etree.Resolver):
     def resolve(self, url, id, context):
         return self.resolve_string(data['dtd_file'], context)

xmldoc = StringIO(data['xml_file'])
parser = etree.XMLParser(dtd_validation=True, load_dtd=True)
parser.resolvers.add(DTDResolver())
try:
    tree = etree.parse(xmldoc, parser)
except etree.XMLSyntaxError as e:
    # handle xml and validation errors

Answer 2

您可能需要一个自定义解析器。文档实际上给出了这样做以提供dtd的示例。