检查是否存在 XML 声明答案

【问题标题】：Checking if XML declaration is present检查是否存在 XML 声明
【发布时间】：2019-07-16 10:15:53
【问题描述】：

我正在尝试检查一个 xml 文件是否包含必要的 xml 声明（“标题”），比如说：

<?xml version="1.0" encoding="UTF-8"?>
...rest of xml file...

我正在使用 xml ElementTree 从文件中读取和获取信息，但它似乎可以很好地加载文件，即使它没有标题。

到目前为止我尝试的是这样的：

import xml.etree.ElementTree as ET
tree = ET.parse(someXmlFile)    

try:
    xmlFile = ET.tostring(tree.getroot(), encoding='utf8').decode('utf8')
except:
    sys.stderr.write("Wrong xml2 header\n")
    exit(31)

if re.match(r"^\s*<\?xml version=\'1\.0\' encoding=\'utf8\'\?>\s+", xmlFile) is None:
    sys.stderr.write("Wrong xml1 header\n")
    exit(31)

但如果文件中不存在 ET.tostring() 函数，则它只是“组成”一个标题。

有什么方法可以用 ET 检查 xml 标头吗？或者在使用 ET.parse 加载文件时以某种方式抛出错误，如果文件不包含 xml 标头？

【问题讨论】：

在 XML 文档中包含 XML 声明是一种很好的做法，但这不是严格的要求。它在这里说“应该”：w3.org/TR/xml/#sec-prolog-dtd
嗨丹尼斯：你看到我的回答了吗？这对你来说是一个可行的解决方案吗？如果没有，您仍然有兴趣获得建议/答案吗？感谢您的回复。

标签： python xml elementtree xml-declaration

【解决方案1】：

tl;dr

from xml.dom.minidom import parseString
def has_xml_declaration(xml):
    return parseString(xml).version

来自Wikipedia's XML declaration

如果 XML 文档缺少编码规范，XML 解析器会假定编码是 UTF-8 或 UTF-16，除非编码已经由更高的协议确定。

...

声明可以选择省略，因为它声明为 encoding 默认编码。但是，如果文件改为使用 XML 1.1 或其他字符编码，声明是必要的。版本 7 之前的 Internet Explorer 进入怪癖模式，如果它在作为 text/html 的文档中遇到 XML 声明

所以即使在 XML 文档中省略了 XML 声明，code-sn-p:

if re.match(r"^<\?xml\s*version=\'1\.0\' encoding=\'utf8\'\s*\?>", xmlFile.decode('utf-8')) is None:

将在此 XML 文档中找到“该”默认 XML 声明。请注意，我使用的是 xmlFile.decode('utf-8') 而不是 xmlFile。如果不放心使用minidom，可以使用如下代码-sn-p：

from xml.dom.minidom import parse

dom = parse('bookstore-003.xml')
print('<?xml version="{}" encoding="{}"?>'.format(dom.version, dom.encoding))

这是一个有效的fiddle Int bookstore-001.xml 存在 XML 声明，在 bookstore-002.xml 中不存在 XML 声明，并且在 bookstore-003.xml 中存在与第一个示例不同的 XML 声明。 print 指令相应地打印版本和编码：

<?xml version="1.0" encoding="UTF-8"?>

<?xml version="None" encoding="None"?>

<?xml version="1.0" encoding="ISO-8859-1"?>

【讨论】：

这两个字段得到set。