XMLSchema：是否可以计算无效文档的有效性（例如，百分比）？

Question

我在Python中使用lxml来根据XML Schema定义验证许多XML文档。很多这些文件都没有验证 - 而且目前它们并没有被预期 - 但是如果我能够计算它们的有效性（百分比）用于报告目的，那将是有用的。如果能够提供有用的统计信息，我可以使用xmllint或其他命令行工具。

Answer 1

lxml解析器提供了一种在尝试解析文档时获取a list of the errors的方法。将它与解析器的recover keyword argument结合起来就可以得到这样的结果：

# Warning, untested, may not work
parser = etree.XMLParser(recover=True)
it_would_be_a_tree = etree.parse(your_xml_data, parser)
total_errors = len(parser.error_log)

然后，您可以计算total_errors代表的文件的百分比。您可以使用天真的度量，例如每行错误或每个字符的错误，没有任何问题。如果it_would_be_a_tree实际上是tree结构（例如total_elements / total_errors），也可以采取更复杂的衡量标准。