2

我正在尝试使用Python 模块解析文件浏览器 Thunar 的自定义操作文件 ( ~/.config/Thunar/uca.xml) 。lxml

出于某种原因，Thunar 显然将 amalformed declaration写入这些文件：

<?xml encoding="UTF-8" version="1.0"?>

显然，version预计将作为第一个“属性”出现在声明中。如果我尝试解析文件，则会lxml引发一个。XMLSyntaxError

不，我不能简单地更正声明，因为 Thunar 不断用虚假声明覆盖它。

这很可能是 Thunar 中的一个错误。

不过，我想知道如何忽略带有lxml.

我知道我可以预处理 XML 文档以过滤掉 XML 声明。但这似乎不是很优雅。由于 XML 似乎默认为 1.0 版和 UTF-8 编码，因此肯定有可能忽略声明并假设在lxml. 我在文档或谷歌上没有找到任何东西，我可能忽略了一些东西。

4

1 回答 1

6

我对 Thunar 知之甚少，但如果它在问题中生成 XML 声明，那就是一个错误。具有不正确的 XML 声明会使文档格式错误。

XML 语法为 XML 声明中的项目指定了一种正确的顺序。version必须是第一和encoding第二。请参阅http://w3.org/TR/xml/#NT-XMLDecl。

recover但是，使用 lxml，您可以使用将选项设置为的解析器实例进行解析True。它适用于这种情况。错误的 XML 声明将被忽略。

from lxml import etree 

parser = etree.XMLParser(recover=True)
tree = etree.parse('uca.xml', parser)

见http://lxml.de/api/lxml.etree.XMLParser-class.html

于 2017-06-05T10:52:33.613 回答