问题标签 [expat-parser]

背景：我来自 C#-land，所以我正在寻找能够通过 Xpath 选择来处理节点和值的东西。

到目前为止，这是我的代码：

我应该使用什么标准库来处理作为对象的 DOM 元素及其属性，就像在 C# 中一样？

我正在寻找类似 NodeList nodes = Parser.SelectNodes("Xpath")

我正在尝试使用 expat 解析 XML 文件（OSM 数据），并且有些行带有一些 expat 无法解析的 Unicode 字符：

（开头行中的 XML 文件编码为“UTF-8”）

文件很旧，肯定有错误。在现代文件中，我看不到 UTF-8 错误，它们被解析得很好。但是如果我的程序遇到损坏的符号怎么办，我可以采取什么解决方法？是否可以加入 bz2 编解码器（我解析压缩文件）和 utf-8 编解码器以忽略损坏的字符，或者将它们更改为“？”？

我正在尝试读取一个看起来像这样的 xml 文件

造成问题的关键是

部分：解析器调用其字符处理程序两次，一次使用“Jos”，一次使用“A. Blakeley”。现在我明白如果它不知道 eacute 实体，这可能是正确的行为。但是，这是在我拥有的 dblp.dtd 中定义的。不过，我似乎无法说服 expat 使用此文件。我只能说

但外籍人士仍然无法识别我的实体。为什么没有办法告诉 expat 使用哪个 DTD？我试过了

• 将文件放入与 XML 相同的目录中
• 将文件放入程序的工作目录
• 用绝对路径替换xml文件中的引用

我错过了什么？谢谢。

我写了一个小函数，它使用 ElementTree 和 xpath 来提取 xml 文件中某些元素的文本内容：

第三次测试失败，但有以下异常：

ExpatError：引用无效字符号：第 1 行，第 13 列

实体是�非法的 XML 吗？不管是不是，我要解析的文件都包含它，我需要一些方法来解析它们。对于除 Expat 之外的其他解析器或 Expat 的设置有什么建议可以让我这样做吗？

更新：我刚刚发现了BeautifulSoup，一个标签汤解析器，如下面的答案评论中所述，为了好玩，我回到这个问题并尝试将它用作 ElementTree 前面的 XML 清理器，但它尽职尽责地将其转换�为一个同样无效的空字节。:-)

...产量

不过，在我的特殊情况下，我并不真正需要 XPath 解析，我可以使用 BeautifulSoup 本身及其非常简单的节点寻址样式parsed_tree.test.elem1.contents[0]。

我正在使用 MingW 在 Windows 上编写 C 程序，并希望使用 EXPAT XML 库。我想静态编译我的程序，所以我需要静态 .a 库。

有什么方法可以在 Windows 上将 EXPAT 编译为 .a 静态独立库？

我正在尝试在Go中从头开始创建一个 XMPP 库（以及后来的服务器）（尽管语言本身无关紧要），作为了解 XMPP 协议和服务器软件开发的一般方法的一种手段。

众所周知，XMPP 是基于 XML 的消息传递协议，它依赖于大量短而频繁的 XML 流。我认为对于此类应用程序，基于事件的 XML 解析器应该更好，因为我不需要 DOM 和所有这些（如果我错了，请纠正我）。请记住，这个库是为服务器设计的，所以可能有很多实例同时运行；

对于该用例，libxml2 还是 expat，两者中哪一个具有更好的性能和内存使用率？

我正在使用 expat 读取 xml 文件。我想从xml文件中指定的配置中填充我的一些类成员变量。我已经定义了我的 startelement 处理程序，

这将被引用如下：

目前我正在使用全局结构，g_stConfigInfo将所有值存储在Start()

例如，

然后我在做myclass.sInputName = g_stConfigInfo.sInputname

我宁愿不使用全局变量，而是能够使其成为需要填充其成员变量的类的成员函数。我也不想在 Start() 中有这个类的实例。这样做的最佳方法是什么？

我正在用 python 编写一组工具来从交通模拟软件生成的一些 xml 文件中提取数据。由于生成的文件可能非常大，我使用 xml.parsers.expat 来解析它们。

问题是，当我在 Windows XP 机器上运行我的脚本时，它运行良好，但在家里，在 Ubuntu 10.10 上，在同一个文件上，我收到以下错误：
ExpatError: not well-formed (invalid token): line 1, column 0

该文件最初以 utf-8 编码，并且标签中声明的编码是 ascii，因此尝试将其更改为 utf-8（或 UTF8 或 utf8）但没有成功。由于没有 BOM，我尝试编写它，但仍然没有成功。我还尝试用Unix换行符（CR）替换Windows换行符（CR / LF）。也没有任何成功。

此外，python 的工作版本是 2.7.1，在我的 Ubuntu 机器上是 2.6.6，但不要认为我的问题与此有关：几周前我将工作计算机的 Python 从 2.6 升级到 2.7，没有遇到任何问题。

由于我不是这里的专家，所以我的想法不多了，有什么提示吗？

编辑：经过进一步调查（我现在很头疼，我讨厌与 Unicode 相关的麻烦），看起来问题已通过将系统环境变量 LANG、LC_ALL 和 LANGUAGE 正确设置为（在我的情况下）“fr_FR.utf-8”来解决. 我不明白为什么他们一开始没有，为什么现在，它起作用了......

我感谢你们的手！

我在 RHEL 5 和 Python 2.43 上将 mod_wsgi 用于 Django 应用程序（OSQA）（无法升级）。

我设置了站点并且工作正常，然后尝试将身份验证与 python-ldap 集成以访问 Active Directory 属性，例如用户名、电子邮件地址等。

Apache httpd 崩溃并显示以下消息：

我最初认为这是由于 Apache 和 Python 之间的 expat 库不一致，但后来我升级了 libexpat.so 模块以匹配 Python 版本的 pyexpat (1.95.8)。

从 django 日志中的大量日志记录中，我可以看到执行此行时发生了 seg 错误：

python-ldap 是否有特定的东西导致这个问题？关于如何调试的任何其他想法？

谢谢

XML 应该是严格的，因此有一些 Unicode 字符在 XML 中是不允许的。但是，我正在尝试使用通常包含这些字符的 RSS 提要，并且我想避免从无效字符中解析错误，或者从它们中优雅地恢复并呈现文档。

在此处查看示例（无论如何在 3 月 21 日）： http: //feeds.feedburner.com/chrisblattman

处理 XML 提要中的 unicode 的推荐方法是什么？检测字符并替换为空字节，编辑解析器或其他方法？