XML文档开头的注释

Question

如果XML文件开头有注释，我的PYTHON XML解析器会失败，例如：

<?xml version="1.0" encoding="utf-8"?>
<!-- Script version: "1"-->
<!-- Date: "07052010"-->
<component name="abc">
<pp>
    ....
</pp>
</component>

像这样发表评论是否违法？

编辑：

虽然不会出错，但DOM模块将失败并且无法识别子节点：

import xml.dom.minidom as dom
sub_tree = dom.parse('xyz.xml')
for component in sub_tree.firstChild.childNodes:
    print(component)

我无法访问子节点; sub_tree.firstChild.childNodes返回一个空列表，但是如果我删除这两个注释，我可以像往常一样循环遍历该列表并读取子节点!

编辑:

各位，这个简单的示例可以工作并足以弄清楚。启动您的python shell并执行上面的小代码。一旦它不输出任何内容，并且在删除注释后它将显示出节点！

- binaryguy

---

它们是合法的。http://www.w3.org/TR/REC-xml/#sec-comments 你应该展示导致失败的代码，并阅读SO faq http://stackoverflow.com/faq - msw

这是合法的XML，但并不意味着所有XML解析器都能处理它。你使用的解析器是什么？返回了什么错误？如果可能的话，请发布你正在进行的代码片段。 - Tendayi Mawushe

请不要从记忆中输入; 请向我们展示一个实际的小文档。<ppe> ... </pp> - John Machin

Answer 1

如果你这样做：

import xml.dom.minidom as dom
sub_tree = dom.parse('xyz.xml')
print sub_tree.children

你将会看到你的问题所在：

>>> print sub_tree.childNodes
[<DOM Comment node " Script ve...">, <DOM Comment node " Date: "07...">, <DOM Element: component at 0x7fecf88c>]

firstChild 显然会选择第一个子节点，但它是一个注释节点，没有任何自己的子节点。 你可以遍历所有子节点并跳过所有注释节点。

或者你可以放弃 DOM 模型，使用 ElementTree，这样更容易处理。 :)

- Mattias Nilsson

---

另一个问题：有3个节点：2个注释和一个元素节点。 但是根元素在哪里？有效的XML文件只允许有一个根元素！或者解析器是否以不同的方式处理注释？ 我认为必须有1个父元素！ - binaryguy

ElementTree 能够解析这样的 XML，但似乎不能保留它。 - haridsv

Answer 2

这是合法的；来自XML 1.0 参考文献：

2.5 注释

[定义：注释可以出现在文档中除其他标记之外的任何位置；此外，它们可以出现在文档类型声明中允许的位置。它们不是文档的字符数据；XML处理器可以使应用程序检索注释文本，但不需要这样做。为了兼容性，“--”（双连字符）字符串必须不出现在注释中。] 参数实体引用不能在注释中被识别。

- systempuntoout

Answer 3

为了获得更好的答案，向我们展示（a）一个小而完整的Python脚本和（b）一个小而完整的XML文档，二者结合起来演示了意外行为。

您是否考虑使用ElementTree？

- John Machin

Answer 4

只要XML声明在第一行，那就是合法的。

- user308323