python - 使用 DTD 从 Sax 到 Dom (python)

Question

我需要一个带有 DTD 的经过验证的 DomTree(以使用 getElementById)。验证和解析工作正常，但 dom 无法正常工作:

from xml.dom import minidom 
from xml.dom.pulldom import SAX2DOM
from lxml import etree
import lxml.sax
from StringIO import StringIO

data_string = """\
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE foo [
<!ELEMENT foo (bar)*>
<!ELEMENT bar (#PCDATA)>
<!ATTLIST bar id ID #REQUIRED>]><foo><bar id="nr_0">text</bar></foo> 
"""

#parser, with vali. at parsing
etree_parser = etree.XMLParser(dtd_validation=True,attribute_defaults=True) 
#parse it
sax_tree = etree.parse(StringIO(data_string),etree_parser);
handler = SAX2DOM();
lxml.sax.saxify(sax_tree,handler);
domObject = handler.document;

print domObject.getElementById("nr_0");
#returns None

print minidom.parseString(data_string).getElementById("nr_0");
#returns <DOM Element: bar at 0x7f36b77dc0e0>

SAX2DOM 似乎不会将 DTD 传递给 dom。我是不是忘记了什么？我读到在 dom 构建后不可能加载 DTD。

有什么想法吗？

Answer 1

据我所知:SAX DTD 事件不是由 ContentHandler 处理的，而是由 DTDHandler 处理的。 ，这是您可以在 sax 解析器 (XMLReader) 上设置的属性。这意味着如果不序列化和重新分析文档就无法执行此操作。

validated_string = etree.tostring(tree)
domDocument = minidom.parseString(validated_string)

另一方面:除非您确实需要一个 minidom 文档，否则最好只使用 lxml 树。 (您可以使用 xpath 相当于 getElementById，或者查看 etree.XMLDTDID 和 etree.parseid)