我有一组超级简单的XML文件要解析...但是..。它们使用自定义的实体。我不需要将这些映射到字符,但我确实希望对每个字符进行解析和操作。例如:
<Style name="admin-5678">
<Rule>
<Filter>[admin_level]='5'</Filter>
&maxscale_zoom11;
</Rule>
</Style>
在http://effbot.org/elementtree/elementtree-xmlparser.htm上有一个诱人的暗示,XMLParser的实体支持有限,但我找不到提到的方法,所有的方法都会出错:
#!/usr/bin/python
##
## Where's the entity support as documented at:
## http://effbot.org/elementtree/elementtree-xmlparser.htm
## In Python 2.7.1+ ?
##
from pprint import pprint
from xml.etree import ElementTree
from cStringIO import StringIO
parser = ElementTree.ElementTree()
#parser.entity["maxscale_zoom11"] = unichr(160)
testf = StringIO('<foo>&maxscale_zoom11;</foo>')
tree = parser.parse(testf)
#tree = parser.parse(testf,"XMLParser")
for node in tree.iter('foo'):
print node.text
这取决于您调整注释的方式:
xml.etree.ElementTree.ParseError: undefined entity: line 1, column 5
或
AttributeError: 'ElementTree' object has no attribute 'entity'
或
AttributeError: 'str' object has no attribute 'feed'
对于那些好奇的人来说,XML来自于OpenStreetMap的mapnik项目。
发布于 2011-09-01 09:26:31
我不确定这是不是ElementTree中的错误,但您需要在expat解析器上调用UseForeignDTD(True),才能像过去那样运行。
这有点老生常谈,但您可以通过创建自己的ElementTree.Parser实例,在其xml.parsers.expat实例上调用该方法,然后将其传递给ElementTree.parse()来实现:
from xml.etree import ElementTree
from cStringIO import StringIO
testf = StringIO('<foo>&moo_1;</foo>')
parser = ElementTree.XMLParser()
parser.parser.UseForeignDTD(True)
parser.entity['moo_1'] = 'MOOOOO'
etree = ElementTree.ElementTree()
tree = etree.parse(testf, parser=parser)
for node in tree.iter('foo'):
print node.text
这会输出"MOOOOO“
或者使用映射接口:
from xml.etree import ElementTree
from cStringIO import StringIO
class AllEntities:
def __getitem__(self, key):
#key is your entity, you can do whatever you want with it here
return key
testf = StringIO('<foo>&moo_1;</foo>')
parser = ElementTree.XMLParser()
parser.parser.UseForeignDTD(True)
parser.entity = AllEntities()
etree = ElementTree.ElementTree()
tree = etree.parse(testf, parser=parser)
for node in tree.iter('foo'):
print node.text
这将输出"moo_1“
一个更复杂的修复方法是创建ElementTree.XMLParser的子类并在那里修复它。
发布于 2016-02-24 09:17:34
正如@cnelson已经在评论中指出的那样,这里选择的解决方案在Python3中不起作用。
我终于把它修好了。引用自此Q&A。
受this post的启发,我们只需在传入的原始HTML内容前添加一些XML定义,然后ElementTree就可以开箱即用了。
这对Python 2.6、2.7、3.3、3.4都有效。
import xml.etree.ElementTree as ET
html = '''<html>
<div>Some reasonably well-formed HTML content.</div>
<form action="login">
<input name="foo" value="bar"/>
<input name="username"/><input name="password"/>
<div>It is not unusual to see in an HTML page.</div>
</form></html>'''
magic = '''<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd" [
<!ENTITY nbsp ' '>
]>''' # You can define more entities here, if needed
et = ET.fromstring(magic + html)
https://stackoverflow.com/questions/7237466
复制相似问题