Question

我正在尝试检查xml文件是否包含必要的xml声明（“标头”），例如：

<?xml version="1.0" encoding="UTF-8"?>
...rest of xml file...

我正在使用xml ElementTree读取文件中的信息并从中获取信息，但是即使没有标题，它似乎也可以很好地加载文件。

到目前为止，我尝试过的是：

import xml.etree.ElementTree as ET
tree = ET.parse(someXmlFile)    

try:
    xmlFile = ET.tostring(tree.getroot(), encoding='utf8').decode('utf8')
except:
    sys.stderr.write("Wrong xml2 header\n")
    exit(31)

if re.match(r"^\s*<\?xml version=\'1\.0\' encoding=\'utf8\'\?>\s+", xmlFile) is None:
    sys.stderr.write("Wrong xml1 header\n")
    exit(31)

但是，如果文件中不存在ET.tostring（）函数，则它只是“组成”标题。

有没有办法用ET检查xml标头？还是以某种方式在使用ET.parse加载文件时引发错误，如果文件不包含xml标头？

Answer 1

tl; dr

from xml.dom.minidom import parseString
def has_xml_declaration(xml):
    return parseString(xml).version

来自Wikipedia's XML declaration

如果XML文档缺少编码规范，则XML解析器将假定除非编码已经是UTF-8或UTF-16 是由更高的协议确定的。

...

声明可以选择省略，因为它声明为编码默认编码。但是，如果文件改为使用XML 1.1或其他字符编码，则声明为必要。如果版本7之前的Internet Explorer进入怪癖模式，如果它在用作text / html
的文档中遇到XML声明

因此，即使在XML文档中省略了XML声明，代码片段也是如此：

if re.match(r"^<\?xml\s*version=\'1\.0\' encoding=\'utf8\'\s*\?>", xmlFile.decode('utf-8')) is None:

将在此XML文档中找到“ the”默认XML声明。请注意，我已经使用xmlFile.decode（'utf-8'）代替了xmlFile。如果您不担心使用minidom，则可以使用以下代码段：

from xml.dom.minidom import parse

dom = parse('bookstore-003.xml')
print('<?xml version="{}" encoding="{}"?>'.format(dom.version, dom.encoding))

这是工作中的fiddle 在bookstore-001.xml中存在XML声明，在bookstore-002.xml中不存在XML声明，在bookstore-003.xml中存在与第一个示例不同的XML声明。 print指令会相应打印版本和编码：

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

<?xml version="None" encoding="None"?>

<?xml version="1.0" encoding="ISO-8859-1"?>

检查是否存在XML声明

1 个答案: