如何跳过验证 lxml 中的 URI？答案

【问题标题】：How do I skip validating the URI in lxml?如何跳过验证 lxml 中的 URI？
【发布时间】：2013-09-12 15:08:49
【问题描述】：

我正在使用 lxml 来解析一些 xml 文件。我不创建它们，我只是解析它们。一些文件包含命名空间的无效 uri。例如：

'D:\Path\To\some\local\file.xsl'

当我尝试处理它时出现错误：

lxml.etree.XMLSyntaxError: xmlns:xsi: 'D:\Path\To\some\local\file.xsl' is not a valid URI

有没有一种简单的方法可以用某些东西（任何东西，例如'http://www.googlefsdfsd.com/'）替换任何无效的 uri？我想写一个正则表达式，但希望有一个更简单的方法。

【问题讨论】：

【解决方案1】：

解析器不喜欢命名空间 uri 中的反斜杠。

要在 uri 无效的情况下解析 xml，您可以实例化一个 lxml.etree.XMLParser 并将 recover 参数设置为 True，然后使用它来解析文件：

from lxml import etree
recovering_parser = etree.XMLParser(recover=True)
xml = etree.parse("xmlfile.xml", parser=recovering_parser)
...

【讨论】：

【解决方案2】：

如果您确定这些特定错误对您的用例不重要，您可以将其视为例外：

try:
   # process your tree here
   SomeFn()

except lxml.etree.XMLSyntaxError, e:
   print "Ignoring", e
   pass

【讨论】：

在处理树时不会发生错误。包含反斜杠的命名空间 uri 在解析文档时会导致错误，因此您甚至没有到达拥有树的地步，捕获错误也无济于事。
那么您可能需要使用r'D:\Path\To\some\local\file.xsl' 或'D:\\Path\\To\\some\\local\\file.xsl' 或'D:/Path/To/some/local/file.xsl' 或'file:D:\Path\To\some\local\file.xsl' 之一
uris 不在 python 代码中，它们在 xml 文件中，因此在它们前面加上 r 或双转义反斜杠没有任何意义（而且我没有认为更改所有文件以替换反斜杠是一种选择 - OP 只想解析文档）。
总是有一个简单的选择，只报告 XML 无效 - 这是由于 URI 无效，因此应该真正解决而不是解决。