¿Hay alguna manera, cuando analizo un documento XML usando lxml, de validar ese documento con su DTD utilizando un archivo de catálogo externo? Necesito poder trabajar con los atributos fijos definidos en la DTD de un documento.¿Utiliza un catálogo XML con el lxml de Python?
¿Puedes dar un ejemplo? De acuerdo con lxml validation docs, lxml puede manejar la validación DTD (especificada en el documento XML o externamente en el código) y los catálogos del sistema, que cubre la mayoría de los casos que se me ocurren.
f = StringIO("<!ELEMENT b EMPTY>")
dtd = etree.DTD(f)
dtd = etree.DTD(external_id = "-//OASIS//DTD DocBook XML V4.2//EN")
Parece que lxml no expone esta característica libxml2, grepping la única fuente se convierte en imagen algunas #defines para el tratamiento de errores:
C:\Dev>grep -ir --include=*.px[id] catalog lxml-2.1.1/src | sed -r "s/\s+/ /g"
lxml-2.1.1/src/lxml/dtd.pxi: catalog.
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_FROM_CATALOG = 20 # The Catalog module
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_WAR_CATALOG_PI = 93 # 93
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_MISSING_ATTR = 1650
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_ENTRY_BROKEN = 1651 # 1651
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_PREFER_VALUE = 1652 # 1652
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_NOT_CATALOG = 1653 # 1653
lxml-2.1.1/src/lxml/xmlerror.pxd: XML_CATALOG_RECURSION = 1654 # 1654
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG=20
lxml-2.1.1/src/lxml/xmlerror.pxi:WAR_CATALOG_PI=93
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_MISSING_ATTR=1650
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_ENTRY_BROKEN=1651
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_PREFER_VALUE=1652
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_NOT_CATALOG=1653
lxml-2.1.1/src/lxml/xmlerror.pxi:CATALOG_RECURSION=1654
Desde el catalog implementation in libxml2 page parece posible que el 'transparente' el manejo a través de la instalación en/etc/xml/catalogue aún puede funcionar en lxml, pero si necesita más, siempre puede abandonar lxml y usar los enlaces de python predeterminados, que sí exponen las funciones del catálogo.
Puede añadir el catálogo de la variable de entorno XML_CATALOG_FILES:
os.environ['XML_CATALOG_FILES'] = 'file:///to/my/catalog.xml'
Ver this thread. Tenga en cuenta que las entradas en XML_CATALOG_FILES son URL separadas por espacios. Puede usar Python's pathname2url y urljoin (con file:) para generar la URL a partir de una ruta de acceso.