lxml unicode实体解析问题

Question

我使用lxml如下解析从另一个系统导出的XML文件：

xmldoc = open(filename)
etree.parse(xmldoc)

但我得到了：

lxml.etree.XMLSyntaxError: 实体 'eacute' 未定义，第 4495 行， 第 46 栏

很明显，unicode 实体名称存在问题 - 但我该如何解决这个问题？通过 open() 或 parse()？

编辑：我忘记将我的 DTD 包含在同一个文件夹中 - 它现在在那里并且具有以下声明：

<!ENTITY eacute "&#233;">

并且在 xmldoc 中被这样引用（并且一直如此）：

<?xml version="1.0" encoding="ISO-8859-1" ?>
<!DOCTYPE DScribeDatabase SYSTEM "foo.dtd">

但我仍然遇到同样的问题...DTD 是否也需要在 Python 中声明？

Answer 1

eacute 不是 XML 中的预定义实体。要在 XML 文件中包含 é 实体引用，它必须具有指向定义实体的 DTD（例如 XHTML 1.0 DTD）的 <!DOCTYPE> 声明。

如果 XML 使用 é 但没有 <!DOCTYPE>，则它的格式不正确，需要修复导出它的系统。

（没有充分的理由在 XML 文件中使用实体引用来表示 é。如果文件不能简单地包含原始 UTF -8 é 出于某种原因。）