python - lxml unicode实体解析问题

Question

我正在使用 lxml 来解析从另一个系统导出的 XML 文件：

xmldoc = open(filename)
etree.parse(xmldoc)

但我得到：

lxml.etree.XMLSyntaxError：未定义实体“eacute”，第 4495 行，第 46 列

显然，它在使用 unicode 实体名称时存在问题——但我该如何解决呢？通过 open() 还是 parse()？

编辑：我忘记将我的 DTD 包含在同一个文件夹中 - 它现在在那里并且具有以下声明：

<!ENTITY eacute "&#233;">

并且在 xmldoc 中被称为（并且一直是）：

<?xml version="1.0" encoding="ISO-8859-1" ?>
<!DOCTYPE DScribeDatabase SYSTEM "foo.dtd">

然而我仍然遇到同样的问题...... DTD 是否也需要在 Python 中声明？

score 6 · Accepted Answer

eacute不是 XML 中的预定义实体。要在 XML 文件中包含é实体引用，它必须具有<!DOCTYPE>指向定义实体的 DTD（例如 XHTML 1.0 DTD）的声明。

如果 XML 使用é但没有<!DOCTYPE>，则它的格式不正确，需要修复导出它的系统。

（没有充分的理由é在 XML 文件中使用实体引用来表示。如果文件由于某种原因é不能简单地包含原始 UTF-8，则字符引用在没有实体定义的情况下随处可见。）é

1 回答 1