如何使用Python的cElementTree创建<!DOCTYPE>文档类型声明

Question

如何使用Python的cElementTree创建<!DOCTYPE>文档类型声明

17

我尝试使用这个问题中的答案，但无法使其起作用：如何使用 Python 的 ElementTree 创建“虚拟根”？

以下是我的代码：

import xml.etree.cElementTree as ElementTree
from StringIO import StringIO
s = '<?xml version=\"1.0\" encoding=\"UTF-8\" ?><!DOCTYPE tmx SYSTEM \"tmx14a.dtd\" ><tmx version=\"1.4a\" />'
tree = ElementTree.parse(StringIO(s)).getroot()
header = ElementTree.SubElement(tree,'header',{'adminlang': 'EN',})
body = ElementTree.SubElement(tree,'body')
ElementTree.ElementTree(tree).write('myfile.tmx','UTF-8')

当我打开生成的“myfile.tmx”文件时，它包含以下内容：

<?xml version='1.0' encoding='UTF-8'?>
<tmx version="1.4a"><header adminlang="EN" /><body /></tmx>

我错过了什么？还是有更好的工具吗？

- tahoar

4个回答

13

您可以使用lxml及其tostring函数：

from lxml import etree

s = """<?xml version="1.0" encoding="UTF-8"?>
<tmx version="1.4a"/>""" 

tree = etree.fromstring(s)
header = etree.SubElement(tree,'header',{'adminlang': 'EN'})
body = etree.SubElement(tree,'body')

print etree.tostring(tree, encoding="UTF-8",
                     xml_declaration=True,
                     pretty_print=True,
                     doctype='<!DOCTYPE tmx SYSTEM "tmx14a.dtd">')

=>

<?xml version='1.0' encoding='UTF-8'?>
<!DOCTYPE tmx SYSTEM "tmx14a.dtd">
<tmx version="1.4a">
  <header adminlang="EN"/>
  <body/>
</tmx>

- mzjn

1

我在Python 3.6中遇到了这个错误：

ValueError: Unicode strings with encoding declaration are not supported. Please use bytes input or XML fragments without declaration.

- nowox

1

使用Python 3.6，etree.fromstring(s.encode("UTF-8")) 对我有效。 - mzjn

2

我使用了不同的解决方案来添加DOCTYPE，非常简单，非常愚蠢。

import xml.etree.ElementTree as ET

with open(path_file, "w", encoding='UTF-8') as xf:
    doc_type = '<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE dlg:window ' \
               'PUBLIC "-//OpenOffice.org//DTD OfficeDocument 1.0//EN" "dialog.dtd">'
    tostring = ET.tostring(root).decode('utf-8')
    file = f"{doc_type}{tostring}"
    xf.write(file)

- Emilio Conte

0

我也无法使用原始的ElementTree找到解决此问题的方法，而 demalexx 提出的解决方案创建了非有效的XML，被我的应用程序（DITA）拒绝。我的建议是使用其他模块的变通方法，这对我来说非常完美。

import re
# found no way for cleanly specify a <!DOCTYPE ...> stanza in ElementTree so
# so we substitute the current <?xml ... ?> stanza with a full <?xml... + <!DOCTYPE...
new_header = '<?xml version="1.0" encoding="UTF-8" ?>\n' \
                 '<!DOCTYPE topic PUBLIC "-//OASIS//DTD DITA Topic//EN" "topic.dtd">\n'

target_xml = re.sub(u"\<\?xml .+?>", new_header, source_xml)
with open(filename, 'w') as catalog_file:
    catalog_file.write(target_xml.encode('utf8'))

- rummidge

你能详细说明一下“非有效XML”问题吗？ - posfan12

@posfan12，我猜主要问题可能是在行首没有DTD，这在demalexx的答案中很容易修复。 - Luis

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- demalexx · Accepted Answer

你可以在write函数上设置xml_declaration参数为False，这样输出就不会带有编码的XML声明，然后手动添加需要的头部即可。实际上，如果将编码设置为'utf-8'（小写），XML声明也不会被添加。

import xml.etree.cElementTree as ElementTree

tree = ElementTree.Element('tmx', {'version': '1.4a'})
ElementTree.SubElement(tree, 'header', {'adminlang': 'EN'})
ElementTree.SubElement(tree, 'body')

with open('myfile.tmx', 'wb') as f:
    f.write('<?xml version="1.0" encoding="UTF-8" ?><!DOCTYPE tmx SYSTEM "tmx14a.dtd">'.encode('utf8'))
    ElementTree.ElementTree(tree).write(f, 'utf-8')

生成的文件（为了可读性手动添加了换行符）：

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE tmx SYSTEM "tmx14a.dtd">
<tmx version="1.4a">
    <header adminlang="EN" />
    <body />
</tmx>