使用DTD验证XML无法使用lxml导入实体

Question

我有一个生成NewsML类型XML文件的工具，我想在生成文件后验证它们。 我收到一个错误：

Attempt to load network entity http://www.w3.org/TR/ruby/xhtml-ruby-1.mod

蟒蛇电话是：

parser = etree.XMLParser(load_dtd=True, dtd_validation=True) 
treeObject = etree.parse(f, parser) 

首先我不知道如果我需要两个 “load_dtd =真，dtd_validation =真”，但我反正使用它。 二错误似乎是从被定义为进口NITF-3-4.dtd未来：

<!ENTITY % xhtml-ruby.mod PUBLIC 
    "-//W3C//ELEMENTS XHTML Ruby 1.0//EN" "http://www.w3.org/TR/ruby/xhtml-ruby-1.mod"> 
%xhtml-ruby.mod; 

将限于lxml出去检索此XHTML的红宝石1.mod或我有所有的DTD文件在本地。

Answer 1

尝试使用no_network=False构建解析器。正如指出的documentation：

no_network - prevent network access when looking up external documents (on by default)

进口DTD模块应该由LXML得到恢复，但如果不允许网络访问，将不能够做到这一点（不记入文档本身，只为加载外部引用的文档。事实上，我希望你加载dtd本身时会出错，所以我认为文档引用了该dtd的本地可用副本，并且它只是引用远程资源的dtd本身？）

你也可以使用一个目录来使用本地可用的副本（不仅可以绕过这个问题，而且可以更高效，更友好地向w3c服务器发送;-)）。 libxml2的（按LXML使用）会为您在/etc/xml/catalog目录是否存在等，以及XML_CATALOG_FILES环境变量（见Libxml2 docs）

（还可以编写自己的resolvers为LXML拦截和处理请求，但在这种情况下可能会过度）

请注意，除解析时间验证外，还有另一个选项：使用DTD class单独加载dtd，并将​​其用作验证程序。

这将验证与所提供的DTD解析文档无论哪个DTD（如果有的话）是由DOCTYPE声明引用（它可以很方便：不是每一个有效的XML文件一定是有效的根据DTD 你想） 。

因为dtd只需要检索和解析一次，如果你正在验证大量文档，这应该会更快），（如果我没有弄错），你将不会遇到no_network问题。

接近的另一个好处是：你甚至可以在序列化之前验证元素/元素树（如果你的生成工具使用lxml）。

最后说明：如果您有权访问解析时的dtd（无法解析的实体...），则只能解析某些文档。如果可以的话，避免这种情况。 （尽管不是每个人都会同意：如果可能的话，完全避免doctype声明）。