如何从 url 解析 xml

Question

一般来说，我要做的是从url解析xml。这就是我所做的：

我在包含在 <'textarea'><'\textarea'> 标签中的 html 文件上写了 xml 代码：

<textarea rows="1000" cols="200" style="border:none;">
<?xml version="1.0"?>
<data>
  <gambar>
    <id>wcl01</id>
    <url>https://1.bp.blogspot.com/- j9yARC6mAuY/Xp4aUTxe6eI/AAAAAAAAAGA/NegvRkwYdVAXhnTsrWoXYcjAzsHfR6BOQCLcBGAsYHQ/s320/Konferensi%2BIIWAS%2Bdi%2BVietnam.jpg</url>
  </gambar>
  <gambar>
    <id>wcl02</id>
    <url>https://1.bp.blogspot.com/-aIkYkd3ePMY/XqDDsTMYMAI/AAAAAAAAAHA/QKZOQ8cPr_0LUfLNrYrA3w6gvNV-ao-QCLcBGAsYHQ/s320/Konferensi%2BAptikom%2Bdi%2BBandung%2B1.jpg</url>
  </gambar>
</data>
</textarea>

在网站上，它是这样的：

然后我使用此代码解析 xml：

from urllib.request import urlopen
from xml.etree.ElementTree import parse
from lxml import etree
var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
xmldoc = parse(var_url)
elem = etree.XML(xmldoc, parser=parser)

但是我得到了这个错误：

    File "<string>", line unknown ParseError: XML or text declaration not at start of entity: line 2, column 0

我假设这个错误是由 xml 代码开头的空格引起的。因此，我尝试使用以下方法删除此空格：首先：etree.XMLParser(remove_blank_text=True)，其次：etree.XMLParser(recover=True)，如下所示：

    from urllib.request import urlopen
    from xml.etree.ElementTree import parse
    from lxml import etree
    parser = etree.XMLParser(remove_blank_text=True)
    var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
    xmldoc = parse(var_url)
    elem = etree.XML(xmldoc, parser=parser)

和

    from urllib.request import urlopen
    from xml.etree.ElementTree import parse
    from lxml import etree
    parser = etree.XMLParser(recover=True)
    var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
    xmldoc = parse(var_url)
    elem = etree.XML(xmldoc, parser=parser)

但是，两种方式都给出相同的错误：

    File "<string>", line unknown ParseError: XML or text declaration not at start of entity: line 2, column 0

所以，我的问题是：

一个。这个问题是因为使用 <'textarea'><'\textarea'> 标签引起的吗？

b。如果是这样，我如何 post 我的 xml 代码在网站上？

c。如果不是，如何解决这个 ParseError？

Answer 1

这可能是因为您在文档开头漏掉了这个

Answer 2

原因

一个XML声明，

<?xml version="1.0"?>

可能只出现一次，并且只出现在 XML 文档的最顶部。

显然，

<textarea rows="1000" cols="200" style="border:none;">

提前违反了该要求。

补救措施

因为您只指定 XML 是 1.0 版，而且这是默认版本，只需删除 XML 声明，或者
删除 XML 声明之前的所有内容。

另见

Error: The processing instruction target matching "[xX][mM][lL]" is not allowed

Answer 3

你回来HTML doc.
在 HTML 中有 <textarea> 包含 XML 文档。
下面的代码指向 XML 文档并解析它。

import requests
import xml.etree.ElementTree as ET

r = requests.get('https://imanparyudi.000webhostapp.com/gambar.html')
if r.status_code == 200:
    start = r.text.find('<?xml')
    end = r.text.find('</textarea>')
    root = ET.fromstring(r.text[start:end])
    print(root)

如何从 url 解析 xml

How to parse xml from url

python

xml

xml-parsing

原因

补救措施

另见