python - 如何跳过验证 lxml 中的 URI？

Question

我正在使用 lxml 来解析一些 xml 文件。我不创建它们，我只是解析它们。一些文件包含命名空间的无效 uri。例如：

'D:\Path\To\some\local\file.xsl'

当我尝试处理它时出现错误：

lxml.etree.XMLSyntaxError: xmlns:xsi: 'D:\Path\To\some\local\file.xsl' is not a valid URI

有没有一种简单的方法可以用某些东西（任何东西，例如' http://www.googlefsdfsd.com/ '）替换任何无效的 uri？我想写一个正则表达式，但希望有一种更简单的方法。

score 5 · Accepted Answer

解析器不喜欢命名空间 uri 中的反斜杠。

要在 uri 无效的情况下解析 xml，您可以实例化一个lxml.etree.XMLParser并将recover参数设置为True，然后使用它来解析文件：

from lxml import etree
recovering_parser = etree.XMLParser(recover=True)
xml = etree.parse("xmlfile.xml", parser=recovering_parser)
...

score 0 · Accepted Answer

如果您确定这些特定错误对您的用例不重要，您可以将其视为例外：

try:
   # process your tree here
   SomeFn()

except lxml.etree.XMLSyntaxError, e:
   print "Ignoring", e
   pass

2 回答 2