python - 解析xml时如何支持递归包含

Question

我正在定义一个我自己的 xml 模式，它支持附加标签“insert_tag”，当达到该标签时应该在流中的那个点插入文本文件，然后继续解析:

这是一个例子:

我的.xml:


<xml>
Something
<insert_file name="foo.html"/>
or another
</xml>


我正在使用 xmlreader如下:

 class HtmlHandler(xml.sax.handler.ContentHandler):    def __init__(self):        xml.sax.handler.ContentHandler.__init__(self) parser = xml.sax.make_parser() parser.setContentHandle(HtmlHandler()) parser.parse(StringIO(html))

问题是如何将包含的内容直接插入到解析流中？当然，我可以通过重复插入包含的文本来递归地构建非内插文本，但这意味着我必须多次解析 xml。

我尝试用我自己的流替换 StringIO(html) 以允许在流中插入内容，但它不起作用，因为 sax 解析器读取缓冲的流。

更新:

我确实找到了一个充其量只是骇人听闻的解决方案。它建立在以下流类之上:

class InsertReader():    """A reader class that supports the concept of pushing another    reader in the middle of the use of a first reader. This may    be used for supporting insertion commands."""    def __init__(self):        self.reader_stack = []    def push(self,reader):        self.reader_stack += [reader]    def pop(self):        self.reader_stack.pop()    def __iter__(self):        return self    def read(self,n=-1):        """Read from the top most stack element. Never trancends elements.        Should it?        The code below is a hack. It feeds only a single token back to        the reader.        """        while len(self.reader_stack)>0:            # Return a single token            ret_text = StringIO()            state = 0            while 1:                c = self.reader_stack[-1].read(1)                if c=='':                    break                ret_text.write(c)                if c=='>':                    break            ret_text = ret_text.getvalue()            if ret_text == '':                self.reader_stack.pop()                continue            return ret_text        return ''    def next(self):        while len(self.reader_stack)>0:            try:                v = self.reader_stack[-1].next()            except StopIteration:                self.reader_stack.pop()                continue            return v        raise StopIteration

此类创建一个流结构，限制返回给流用户的字符数量。 IE。即使 xml 解析器确实读取(16386)，该类也只会返回下一个“>”字符之前的字节。由于 '>' 字符也表示标记的结束，因此我们有机会在此时将我们的递归包含注入(inject)到流中。

这个解决方案有以下问题:

• 从流中一次读取一个字符很慢。
• 这有一个关于 sax 流类如何读取文本的隐式假设。

这解决了我的问题，但我仍然对更漂亮的解决方案感兴趣。

Answer 1

您是否考虑过使用 xinclude ？ lxml库内置了对它的支持。