python对XML文档的良构性和有效性验证

最新推荐文章于 2024-07-03 06:28:22 发布

原创最新推荐文章于 2024-07-03 06:28:22 发布 · 1.1w 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#xml #文档 #python #schema #import #exception

python 专栏收录该内容

64 篇文章

订阅专栏

本文主要介绍了如何使用Python的lxml模块验证XML文档的结构良好性和有效性。内容包括XML文档的结构良好性验证规则，如标签匹配、属性值引用等，并展示了通过DTD和XML Schema进行有效性验证的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

### 一 .XML文档的结构良好性验证

结构良好的xml文档，需要遵守下面这些规则：

1.所有开始标签必须有对应的结束标签

2.元素可以嵌套，但是不可以重叠

3.有且只能有一个根元素

4.属性值必须使用引号

5.一个元素不能有两个同样属性名字的属性

6.注释不能出现在标签内部

7.没有转义的" <" 或者" $"不能出现在元素和属性的字符中

### 二.如何检查XML文档是否是良构的

test.xml如下：

<?xml version="1.0" encoding="utf-8"?>
<root>
 <person age="18">
    <name>hzj</name>
    <sex>man</sex>
 </person>
 <person age="19" des="hello">
    <name>kiki</name>
    <sex>female</sex>
 </person>
</root>

方法：以ElementTree模块为例，直接使用parse方法。如果不报错，这表示该XML是良构的

#encoding=gbk
from xml.etree import ElementTree as ET
try:
    ET.parse('test.xml')
    print '这是一个良构的XML文档'
except Exception,e:
    print '这不是一个良构的XML文档'
    print '可能原因：',e

运行结果：

这是一个良构的XML文档

将根标签最后</root>，换成<root>

运行结果：

这不是一个良构的XML文档
可能原因： no element found: line 11, column 6

如果希望获取更加详细信息，可使用lxml模块：

lxml安装方法请参考博客：

http://blog.youkuaiyun.com/shirdrn/article/details/7030026

import  lxml.etree as ET
try:
    ET.parse('test.xml')
    print '这是一个良构的XML文档'
except Exception,e:
    print '这不是一个良构的XML文档'
    print '可能原因：',e

运行结果：

这不是一个良构的XML文档
可能原因： Premature end of data in tag root line 11, line 11, column 7

###三.XML文档的有效性验证

python的标准库没有包含对XML文档的有效性验证功能，所以下面介绍的方法都是基于lxml模块的

#3.1.DTD验证

在DTD(Document Type Definition)文件中说明了XML文档的元素，元素类型以及内容格式，且为这些

组成结构及之间关系定义了相应的规则。

实例解释：

#encoding=utf-8
import lxml.etree as ET
from StringIO import StringIO
f=StringIO("<!ELEMENT empty EMPTY >")
"""
在 DTD 中，XML 元素通过元素声明来进行声明。元素声明使用下面的语法：
　　<!ELEMENT 元素名称 类别>
　　或者
　　<!ELEMENT 元素名称 (元素内容)>
元素类别包括四类：EMPTY（空元素），ANY（任意），Mixed(混合),Children(子元素)
上面声明的DTD意思是：元素empty为空
"""
dtd=ET.DTD(f)
xml=ET.XML("<empty/>") # 符合条件
print dtd.validate(xml)

xml=ET.XML("<empty>Hello LXML</empty>") #由于带有内容，所以不符合
print dtd.validate(xml)
print dtd.error_log   #打印错误信息

运行结果：

True
False
<string>:1:0:ERROR:VALID:DTD_NOT_EMPTY: Element empty was declared EMPTY this one has content

这里需要注意一下：

f=StringIO("<!ELEMENT empty EMPTY >")

!和Element之间不要有空格，出现空格会报错，信息如下：

Traceback (most recent call last):
  File "F:\python workspace\Helloworld\xml\dtd.py", line 13, in <module>
    dtd=ET.DTD(f)
  File "dtd.pxi", line 41, in lxml.etree.DTD.__init__ (src/lxml/lxml.etree.c:113574)
  File "dtd.pxi", line 114, in lxml.etree._parseDtdFromFilelike (src/lxml/lxml.etree.c:114222)
lxml.etree.DTDParseError: error parsing DTD

#3.2 XML Schema验证

最好对XML Schema模式有所了解，XML Schema语言也被称为XML Schema Definition (XSD)W3C在线文档：

点击打开链接

实例解释：

import lxml.etree as ET
from StringIO import StringIO
f=StringIO("""
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
elementFormDefault="qualified">
<xs:element name="note">
    <xs:complexType>
      <xs:sequence>
    <xs:element name="to" type="xs:string"/>
    <xs:element name="from" type="xs:string"/>
    <xs:element name="heading" type="xs:string"/>
    <xs:element name="body" type="xs:string"/>
      </xs:sequence>
    </xs:complexType>
</xs:element>
</xs:schema>
""")

xmlschema_doc=ET.parse(f)
xmlschema=ET.XMLSchema(xmlschema_doc)
valid_str=StringIO("""
<note>
<to>George</to>
<from>John</from>
<heading>Reminder</heading>
<body>Don't forget the meeting!</body>
</note>
""")
xml=ET.parse(valid_str)
print xmlschema.validate(xml)

valid_str=StringIO("""
<note>
<from>John</from>
<to>George</to>
<heading>Reminder</heading>
<body>Don't forget the meeting!</body>
</note>
""")
xml=ET.parse(valid_str)
print xmlschema.validate(xml)
print xmlschema.error_log

运行结果：

True
False
<string>:3:0:ERROR:SCHEMASV:SCHEMAV_ELEMENT_CONTENT: Element 'from': This element is not expected. Expected is ( to ).

错误原因很明显，因为我定义的XML Schema元素是有顺序的。