将 XML 目录与 Python 的 lxml 一起使用？答案

【问题标题】：Using an XML catalog with Python's lxml?将 XML 目录与 Python 的 lxml 一起使用？
【发布时间】：2010-09-05 23:17:02
【问题描述】：

当我使用 lxml 解析 XML 文档时，有没有办法使用外部目录文件根据其 DTD 验证该文档？我需要能够处理文档 DTD 中定义的固定属性。

【问题讨论】：

标签： python xml lxml

【解决方案1】：

您可以将目录添加到XML_CATALOG_FILES 环境变量中：

os.environ['XML_CATALOG_FILES'] = 'file:///to/my/catalog.xml'

见this thread。请注意，XML_CATALOG_FILES 中的条目是以空格分隔的 URL。您可以使用 Python 的 pathname2url 和 urljoin（与 file:）从路径名生成 URL。

【讨论】：

【解决方案2】：

lxml 似乎没有公开这个 libxml2 功能，grepping 源代码只会出现一些#defines 用于错误处理：

C:\Dev>grep -ir --include=*.px[id] catalog lxml-2.1.1/src | sed -r "s/\s+/ /g"
lxml-2.1.1/src/lxml/dtd.pxi: catalog.
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_FROM_CATALOG = 20 # The Catalog module
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_WAR_CATALOG_PI = 93 # 93
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_MISSING_ATTR = 1650
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_ENTRY_BROKEN = 1651 # 1651
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_PREFER_VALUE = 1652 # 1652
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_NOT_CATALOG = 1653 # 1653
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_RECURSION = 1654 # 1654
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG=20
lxml-2.1.1/src/lxml/xmlerror.pxi:WAR_CATALOG_PI=93
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_MISSING_ATTR=1650
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_ENTRY_BROKEN=1651
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_PREFER_VALUE=1652
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_NOT_CATALOG=1653
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_RECURSION=1654

从catalog implementation in libxml2 page 看来，通过安装在 /etc/xml/catalog 中的“透明”处理似乎仍然可以在 lxml 中工作，但如果您需要更多，您可以随时放弃 lxml 并使用默认的 python 绑定，它确实公开了目录功能。

【讨论】：

【解决方案3】：

你能举个例子吗？根据lxml validation docs，lxml 可以处理 DTD 验证（在 XML 文档中指定或在外部代码中指定）和系统目录，这涵盖了我能想到的大多数情况。

f = StringIO("<!ELEMENT b EMPTY>")
dtd = etree.DTD(f)
dtd = etree.DTD(external_id = "-//OASIS//DTD DocBook XML V4.2//EN")

【讨论】：