通过lxml.etree.iterparse解析单个文件中的多个XML声明

Question

我需要解析一个包含各种XML文件的文件，即
..等等。使用etree.iterparse时，出现以下（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。但是我想知道是否存在针对此“问题”的适当解决方案。

谢谢！

Answer 1

您提供的样本数据提出了一个问题，而您提供的问题和例外提出了另一个问题。您是否将多个XML文档串联在一起，每个文档都有自己的XML声明，或者您是否具有包含多个顶级元素的XML片段？

如果是前者，那么解决方案将涉及将输入流分成多个流，并分别解析每个流。正如一个评论所暗示的，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，而不必解析字符串中的任何其他内容，只要您的输入不包括包含未转义XML声明的CDATA部分。您可以编写类似文件的对象，该对象从基础流返回字符，直到命中XML声明为止，然后将其包装在生成器函数中，该函数将不断返回流，直到到达EOF。这不是小事，但也不是那么困难。

如果您有一个包含多个顶级元素的XML片段，则可以将它们包装为一个XML元素并解析整个内容。

当然，与涉及不良XML输入的大多数问题一样，最简单的解决方案可能只是修复产生不良输入的问题。