如何从url解析xml

Question

一般来说，我想做的是从url解析xml。这就是我所做的：

1. 我将 xml 代码写在 <'textarea'><'\textarea'> 标签中的 html 文件中：

   <textarea rows="1000" cols="200" style="border:none;">
   <?xml version="1.0"?>
   <data>
     <gambar>
       <id>wcl01</id>
       <url>https://1.bp.blogspot.com/- j9yARC6mAuY/Xp4aUTxe6eI/AAAAAAAAAGA/NegvRkwYdVAXhnTsrWoXYcjAzsHfR6BOQCLcBGAsYHQ/s320/Konferensi%2BIIWAS%2Bdi%2BVietnam.jpg</url>
     </gambar>
     <gambar>
       <id>wcl02</id>
       <url>https://1.bp.blogspot.com/-aIkYkd3ePMY/XqDDsTMYMAI/AAAAAAAAAHA/QKZOQ8cPr_0LUfLNrYrA3w6gvNV-ao-QCLcBGAsYHQ/s320/Konferensi%2BAptikom%2Bdi%2BBandung%2B1.jpg</url>
     </gambar>
   </data>
   </textarea>
   

在网站上，它是这样的：

2. 然后我使用以下代码解析 xml：

   from urllib.request import urlopen
   from xml.etree.ElementTree import parse
   from lxml import etree
   var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
   xmldoc = parse(var_url)
   elem = etree.XML(xmldoc, parser=parser)
   

但我收到此错误：

    File "<string>", line unknown ParseError: XML or text declaration not at start of entity: line 2, column 0

我假设这个错误是由xml代码开头的空格引起的。因此，我尝试使用以下方法删除此空格： etree.XMLParser(remove_blank_text=True) 和第二个： etree.XMLParser(recover=True) 像这样：

    from urllib.request import urlopen
    from xml.etree.ElementTree import parse
    from lxml import etree
    parser = etree.XMLParser(remove_blank_text=True)
    var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
    xmldoc = parse(var_url)
    elem = etree.XML(xmldoc, parser=parser)

和

    from urllib.request import urlopen
    from xml.etree.ElementTree import parse
    from lxml import etree
    parser = etree.XMLParser(recover=True)
    var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
    xmldoc = parse(var_url)
    elem = etree.XML(xmldoc, parser=parser)

但是，两种方式都会出现相同的错误：

    File "<string>", line unknown ParseError: XML or text declaration not at start of entity: line 2, column 0

3. 所以，我的问题是：

一个。这个问题是不是使用<'textarea'><'\textarea'>标签造成的？

B.如果是这样，我如何在网站上发布我的 xml 代码？

c.如果不是，如何解决这个 ParseError？

Answer 1

您取回 HTML 文档。
在 HTML 中，<textarea> 包含 XML 文档。
下面的代码指向 XML 文档并解析它。

import requests
import xml.etree.ElementTree as ET

r = requests.get('https://imanparyudi.000webhostapp.com/gambar.html')
if r.status_code == 200:
    start = r.text.find('<?xml')
    end = r.text.find('</textarea>')
    root = ET.fromstring(r.text[start:end])
    print(root)

Answer 2

这可能是因为您在文档的开头遗漏了这一点

Answer 3

原因

一个 XML 声明，

<?xml version="1.0"?>

只能出现一次，并且只能出现在 XML 文档的最顶部。

显然，有

<textarea rows="1000" cols="200" style="border:none;">

在它之前违反了该要求。

补救措施

• 由于您仅指定 XML 为 1.0 版，而且这是默认值，因此只需删除 XML 声明，或
• 删除 XML 声明之前的所有内容。

另见

• Error: The processing instruction target matching "[xX][mM][lL]" is not allowed