如何解决如何在 Python3 中使用 defusedxml 和 sax?
我在 Python3 中构建了一个 XML 解析器,它使用 SAX 从一个长(可能是流)文件中提取有用的信息;我将把我认为是我现有代码的相关部分放在这篇文章的底部。我正在 PubMed 的 XML 数据上测试我的解析器,这大概是安全的——但解析器可能会被用于其他 XML 数据(对其查找的标签进行适当的修改),并且该 XML 可能不安全。
看起来我应该使用 defusedxml library 以确保安全。描述是这是一个“猴子补丁”,IIUC 意味着在 defusedxml.sax 库不提供功能的地方,我可以(安全地,我希望!)使用常规的 xml.sax 库。需要这个的一个例子是我的元素处理程序,它必须被定义为使用 xml.sax 库,而不是 defusedxml.sax 库,因为后者不提供我可以子类化的“处理程序”类:
class ElementHandler(xml.sax.handler.ContentHandler):
因为 defusedxml.sax 库不提供“处理程序”。另一方面,defusedxml.sax 库确实提供了我使用的 make_parser() 的定义。
但是当我尝试运行我的代码时(如果不安全,当我只使用标准的 xml.sax 库时,它工作正常),我得到一个异常:
raise ExternalReferenceForbidden(context,base,sysid,pubid)
defusedxml.common.ExternalReferenceForbidden:
ExternalReferenceForbidden(system_id='http://dtd.nlm.nih.gov/ncbi/pubmed/out/pubmed_190101.dtd',public_id=None)
这显然是在我的解析器读取 PubMed XML 文件的第二行时发生的:
<!DOCTYPE PubmedArticleSet SYSTEM "http://dtd.nlm.nih.gov/ncbi/pubmed/out/pubmed_190101.dtd">
好的,那么如何解决这个问题?直观地说,我希望它忽略这个 DOCTYPE 声明。但是如何?
documentation 说 所有函数和解析器类都接受三个额外的关键字参数。他们要么返回 与原始函数或兼容子类相同的对象。
forbid_dtd (default: False)
disallow XML with a <!DOCTYPE> processing instruction and
raise a DTDForbidden exception when a DTD processing instruction
is found.
但是我有两个问题:1)我不希望它引发异常,我只是希望它忽略声明; 2) 我不知道把这个关键字放在哪里。如果我把它放在我对 make_parser() 的调用中:
defusedxml.sax.make_parser(forbid_dtd=True)
我明白
TypeError: make_parser() got an unexpected keyword argument 'forbid_dtd'
和我尝试过的其他地方类似。
我已经查找了示例代码,但没有找到任何有用的内容,也没有找到解决此问题的任何问题。有 this,但它很麻烦——重新编写没有 DOCTYPE 声明的传入 XML 文件,然后(我想)用 SAX 解析新文件。处理大型 XML 文档时不太实用。
所以我的问题是:如何使用 defusedxml 库构建 SAX 解析器,并告诉它忽略 DOCTYPE 声明?
---------摘自我的代码如下-----------
def ProcessXMLFile(<some parameters here>
SAXParser = defusedxml.sax.make_parser()
SAXParser.setContentHandler(ElementHandler(<my startup parameters here>)
ContentHandler = SAXParser.getContentHandler()
Input = xml.sax.InputSource()
Input.setCharacterStream(strXMLFile)
Input.setEncoding('utf-8')
SAXParser.parse(Input.getCharacterStream())
class ElementHandler(xml.sax.handler.ContentHandler):
<__init__(),startElement(),endElement() etc. here>
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。