Python ElementTree支持解析未知的XML实体吗？

Question

我有一组要解析的超简单XML文件…但是…它们使用自定义定义的实体。我不需要将它们映射到字符，但是我确实希望对每个字符进行解析和操作。例如：

<Style name="admin-5678">
    <Rule>
      <Filter>[admin_level]='5'</Filter>
      &maxscale_zoom11;
    </Rule>
</Style>

在http://effbot.org/elementtree/elementtree-
xmlparser.htm
上有一个诱人的提示，即XMLParser对实体的支持有限，但是我找不到所提到的方法，所有的东西都会出错：

    #!/usr/bin/python
    ##
    ## Where's the entity support as documented at:
    ## http://effbot.org/elementtree/elementtree-xmlparser.htm
    ## In Python 2.7.1+ ?
    ##
    from pprint     import pprint
    from xml.etree  import ElementTree
    from cStringIO  import StringIO

    parser = ElementTree.ElementTree()
   #parser.entity["maxscale_zoom11"] = unichr(160)
    testf = StringIO('<foo>&maxscale_zoom11;</foo>')
    tree = parser.parse(testf)
   #tree = parser.parse(testf,"XMLParser")
    for node in tree.iter('foo'):
        print node.text

取决于您如何调整注释而得出：

xml.etree.ElementTree.ParseError: undefined entity: line 1, column 5

要么

AttributeError: 'ElementTree' object has no attribute 'entity'

要么

AttributeError: 'str' object has no attribute 'feed'

对于那些好奇的人来说，XML来自OpenStreetMap的mapnik项目。

Answer 1

我不确定这是否是ElementTree中的错误还是什么，但是您需要在expat解析器上调用UseForeignDTD（True）来恢复过去的行为。

这有点hacky，但是您可以通过创建自己的ElementTree.Parser实例，在xml.parsers.expat实例上调用该方法，然后将其传递给ElementTree.parse（）来实现：

from xml.etree  import ElementTree
from cStringIO  import StringIO


testf = StringIO('<foo>&moo_1;</foo>')

parser = ElementTree.XMLParser()
parser.parser.UseForeignDTD(True)
parser.entity['moo_1'] = 'MOOOOO'

etree = ElementTree.ElementTree()

tree = etree.parse(testf, parser=parser)

for node in tree.iter('foo'):
    print node.text

输出“ MOOOOO”

或使用映射接口：

from xml.etree  import ElementTree
from cStringIO  import StringIO

class AllEntities:
    def __getitem__(self, key):
        #key is your entity, you can do whatever you want with it here
        return key

testf = StringIO('<foo>&moo_1;</foo>')

parser = ElementTree.XMLParser()
parser.parser.UseForeignDTD(True)
parser.entity = AllEntities()

etree = ElementTree.ElementTree()

tree = etree.parse(testf, parser=parser)

for node in tree.iter('foo'):
    print node.text

输出“ moo_1”

更复杂的修复方法是将ElementTree.XMLParser子类化并在那里进行修复。