Python开发从零开始-44.4-解析 XML

接上文Python开发从零开始-44.3-解析 XML，本文小编与大家分享 Python 解析 XML 的相关知识。

8、空格和换行

XML 中的空格和换行属于‌空白字符‌（包括空格 U+0020、制表符 \t、换行 \n、回车 \r），其处理核心在于区分“‌有意义空白‌”与“‌格式化空白‌”，具体行为取决于内容位置及解析器配置。‌‌其核心处理规则如下：

• ‌属性值中的空白‌：必须规范化。所有换行、回车、制表符在解析时统一替换为‌单个空格‌，这是 XML 标准强制行为，无法通过属性改变；

• ‌元素文本内容中的空白‌：默认‌保留‌原始字符，但许多解析器（如 Java DOM、Python ElementTree）默认会忽略仅用于排版缩进的“无意义空白”；

• 标记外空白‌：元素标签之间（如 </name> <age>）的空白通常被视为无意义，多数解析器默认丢弃，除非显式配置保留。

• 若文本包含大量特殊字符且需完全保留格式，可用 DTD 或 XML模式，解析器不进行任何转义或空白处理。

9、文档类型定义（DTD）

XML 文档必须符合其文档类型定义（DTD）或 XML 模式，以确保文档结构和内容的正确性和一致性。

（1）什么是 DTD

‌DTD（Document Type Definition，文档类型定义）是用来规定 XML 文档结构和语法规则的约束机制‌，它是 XML 1.0 规格的一部分。DTD 定义了 XML 中允许出现的元素、属性及其关系，确保文档格式正确且符合规范。‌‌

（2）DTD 的核心作用‌

• ‌验证文档合法性‌：通过对比 XML 文档和 DTD 规则，检查文档是否符合规范，元素和标签使用是否正确；

• ‌统一数据交换格式‌：不同公司或系统使用同一个 DTD 标准，可以确保数据格式一致，方便网络共享和数据交互；

• ‌提高代码可读性‌：为 XML 文档中的元素和属性指定有意义的名称，降低开发和维护成本。

（3）DTD 基本语法

‌① DTD 的声明方式‌：

• ‌内部 DTD‌：直接写在 XML 文件内，包裹在 <!DOCTYPE> 定义内。

• ‌外部 DTD‌：通过 SYSTEM 或 PUBLIC 引用外部.dtd 文件，可被多个 XML 共享。

• ‌内外结合‌：同时使用内部和外部声明。‌‌

② DTD 的四大组成部分‌：

• ‌元素声明‌：使用 <!ELEMENT> 定义元素名称和内容类型；

• ‌属性列表‌：使用 <!ATTLIST> 定义元素属性及其类型；

• ‌实体声明‌：使用 <!ENTITY> 定义可重用的内容或特殊字符；

• ‌注释‌：用于说明和标注。‌‌

‌③ 常见元素类型和限制符号‌：

• ‌元素内容类型‌：(#PCDATA) 表示文本内容、EMPTY 表示空元素、(子元素序列) 表示特定子元素；

• ‌数量限制符号‌：? 表示 0 或 1 次、* 表示 0 或多次、+ 表示 1 或多次、无符号表示恰好 1 次；

• ‌属性设置说明‌：#REQUIRED 表示必须提供、#IMPLIED 表示可选、#FIXED 表示固定值。‌‌‌

（4）DTD 实例

<?xml version="1.0" ending="UTF-8"?><!DOCTYPE mail [<!ELEMENT note (to, from, heading, body)><!ELEMENT to (#PCDATA)><!ELEMENT from (#PCDATA)><!ELEMENT heading (#PCDATA)><!ELEMENT body (#PCDATA)>]><?xml version="1.0" encoding="UTF-8"?><mail>    <to>Jack@example.com</to>    <from>Rose@example.com</from>    <heading>测试邮件</heading>    <body>这是一封 XML 测试邮件</body></mail>

有关 DTD 语法大家可以查看官方文档或网络教程。

受文章篇幅所限，下文将继续介绍 Python 解析 XML 的相关知识。