检查XML声明是否存在

Question

我正在尝试检查一个XML文件是否包含必要的XML声明（“头部”），比如：

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

我使用xml ElementTree读取和获取文件信息，但即使没有头部，似乎也可以成功加载文件。

到目前为止，我尝试的方法如下：

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)

但是如果文件中没有标头，ET.tostring()函数会自动“制造”一个标头。

是否有办法使用ET检查xml标头？或者在使用ET.parse加载文件时，如何在文件不包含xml标头的情况下抛出错误？

- Dennis Vymer

---

在 XML 文件中包含 XML 声明是一个好的习惯，但不是强制性要求。这里指出了“应该”：https://www.w3.org/TR/xml/#sec-prolog-dtd - mzjn

嗨，Dennis：你看到我的答案了吗？对你来说这是一个可行的解决方案吗？如果不是，你还有兴趣得到建议/答案吗？感谢你的回复。 - Meziane

Answer 1

“tl;dr” 的意思是 “太长，不看”。

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

来自维基百科的XML声明

如果一个XML文档缺少编码规范，XML解析器会假定编码为UTF-8或UTF-16，除非编码已经被更高级别的协议确定。

...

声明可以选择省略，因为它将其编码声明为默认编码。但是，如果文档使用XML 1.1或其他字符编码，则需要声明。如果Internet Explorer 7之前的版本在作为text/html提供的文档中遇到XML声明，则会进入怪异模式。

因此，即使在XML文档中省略XML声明，以下代码片段仍然有效：

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

在这个XML文档中，将找到“the”默认的XML声明。请注意，我使用了xmlFile.decode('utf-8')而不是xmlFile。 如果您不担心使用minidom，您可以使用以下代码片段：

from xml.dom.minidom import parse

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

这里有一个可用的fiddle。在 bookstore-001.xml 中，存在一个 XML 声明，在 bookstore-002.xml 中没有 XML 声明，并且在 bookstore-003.xml 中存在与第一个示例不同的 XML 声明。 print 指令相应地打印版本和编码。

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

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

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

- Meziane

---

这里是两个字段被设置的位置。 - x-yuri