python - 通过 lxml.etree.iterparse 解析单个文件中的多个 XML 声明

Question

我需要解析一个包含各种 XML 文件的文件，即 .. 等等。使用 etree.iterparse 时，出现以下(正确的)错误:

lxml.etree.XMLSyntaxError: XML declaration allowed only at the start of the document

现在，我可以预处理输入文件并为每个包含的 XML 文件生成一个单独的文件。这可能是最简单的解决方案。但我想知道是否存在针对此“问题”的适当解决方案。

谢谢!

Answer 1

您提供的样本数据表明存在一个问题，而您提供的问题和异常则表明存在另一个问题。您是否有多个 XML 文档连接在一起，每个文档都有自己的 XML 声明，或者您是否有一个包含多个顶级元素的 XML 片段？

如果是前者，那么解决方案将涉及将输入流分成多个流，然后分别解析每个流。正如一条评论所暗示的那样，这并不一定意味着实现 XML 解析器。您可以在字符串中搜索 XML 声明，而无需解析其中的任何其他内容，只要您的输入不包括包含未转义 XML 声明的 CDATA 部分。您可以编写一个类似文件的对象，它从底层流返回字符，直到它遇到 XML 声明，然后将它包装在一个生成器函数中，该函数在到达 EOF 之前一直返回流。这不是微不足道的，但也不是非常困难。

如果您有一个包含多个顶级元素的 XML 片段，您可以将它们包装成一个 XML 元素并解析整个元素。

当然，对于涉及错误 XML 输入的大多数问题，最简单的解决方案可能只是修复产生错误输入的问题。