lxml unicode实体解析问题

Question

我正在使用lxml来解析来自另一个系统的导出XML文件:

xmldoc = open(filename)
etree.parse(xmldoc)

但我得到:

lxml.etree.XMLSyntaxError:未定义实体'eacute',第4495行,第46列

显然它有unicode实体名称的问题 - 但我怎么能绕过这个呢？通过open()或parse()？

编辑:我忘了把我的DTD包含在同一个文件夹中 - 它现在就在那里,并有以下声明:

<!ENTITY eacute "&#233;">

并且在xmldoc中被引用(并且始终是),如下所示:

<?xml version="1.0" encoding="ISO-8859-1" ?>
<!DOCTYPE DScribeDatabase SYSTEM "foo.dtd">

但我仍然遇到同样的问题...... DTD是否也需要在Python中声明？

Answer 1

eacute不是XML中的预定义实体.要é在XML文件中包含实体引用,它必须具有<!DOCTYPE>指向定义实体的DTD(例如XHTML 1.0 DTD)的声明.

如果XML使用é但没有<!DOCTYPE>,则表示格式不正确,导出它的系统需要修复.

(没有充分的理由使用实体引用来表示éXML文件.é如果文件é由于某种原因不能简单地包含原始UTF-8,则无需在没有实体定义的情况下随处理解字符引用.)