我正在尝试使用 lxml
Python 模块解析文件浏览器 Thunar 的自定义操作文件 (~/.config/Thunar/uca.xml
)。
出于某种原因,Thunar 显然在这些文件中写入了格式错误的声明
:
<?xml encoding="UTF-8" version="1.0"?>
显然,版本
应该作为声明中的第一个“属性”出现。如果我尝试解析该文件,lxml
会引发 XMLSyntaxError
。
不,我不能简单地更正该声明,因为 Thunar 不断用伪造的声明覆盖它。
这很可能是 Thunar 中的一个错误。
尽管如此,我想知道如何使用 lxml
忽略 XML 声明。
我知道我可以预处理 XML 文档以过滤掉 XML 声明。但这看起来不太优雅。由于 XML 似乎默认为版本 1.0 和 UTF-8 编码,因此肯定有可能忽略该声明并假设在 lxml
中。我在文档或谷歌上没有找到任何内容,我可能忽略了一些东西。
最佳答案
我对 Thunar 知之甚少,但如果它在问题中生成 XML 声明,那么那就是一个错误。不正确的 XML 声明会导致文档格式错误。
XML 语法为 XML 声明中的项目指定了一种正确的顺序。 version
必须排在第一位,encoding
其次。请参阅http://w3.org/TR/xml/#NT-XMLDecl 。
但是,通过 lxml,您可以使用将 recover
选项设置为 True
的解析器实例进行解析。在这种情况下它有效。错误的 XML 声明将被忽略。
from lxml import etree
parser = etree.XMLParser(recover=True)
tree = etree.parse('uca.xml', parser)
关于Python lxml : Ignore XML declaration (errors),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44352989/