我需要解析包含各种XML文件的文件,即< xml>< / xml> &LT XML&GT&LT / XML&GT ……等等.使用etree.iterparse时,我得到以下(正确)错误：

lxml.etree.XMLSyntaxError: XML declaration allowed only at the start of the document

现在,我可以预处理输入文件,并为每个包含的XML文件生成一个单独的文件.这可能是最简单的解决方案.但我想知道是否存在适当的解决方案.

谢谢！

解决方法:

您提供的示例数据表明存在一个问题,而您提供的问题和例外表明存在另一个问题.您是否将多个XML文档连接在一起,每个文档都有自己的XML声明,或者您是否有一个包含多个*元素的XML片段？

如果它是前者,则解决方案将涉及将输入流分解为多个流,并逐个解析每个流.正如一条评论所暗示的那样,这并不一定意味着实现XML解析器.您可以在字符串中搜索XML声明,而不必解析其中的任何其他内容,只要您的输入不包含包含未转义的XML声明的CDATA部分即可.您可以编写一个类似文件的对象,该对象返回基础流中的字符,直到它到达XML声明,然后将其包装在生成器函数中,该函数将一直保持返回流,直到达到EOF.这不是微不足道的,但也不是很难.

如果你有一个包含多个*元素的XML片段,你可以将它们包装成一个XML元素并解析整个元素.

当然,与大多数涉及错误XML输入的问题一样,最简单的解决方案可能只是解决产生错误输入的问题.