从文件而不是字符串解析 xml 时出错？ Python

Question

我正在尝试使用 xml2dict 来解析大量 xml 文件，以便我可以将它们转换为数据帧，但是，当我尝试解析实际的 xml文件我收到错误：

"ExpatError: not well-formed (invalid token): line 1, column 5"

对于所有 xml 文件，包括 "line 1, column 5"，此错误完全相同，它们的长度差异很大，但结构完全相同。

当我尝试将 xml 文件的内容复制为 python 中的字符串时，xml2dict 的解析工作完美。例如：

xmlstr ="""<?xml version="1.0" encoding="utf-8"?>
<document id="DDI-DrugBank.d200">
    <sentence id="DDI-DrugBank.d200.s0" text="Co-administration of probenecid with acyclovir has been shown to increase the mean half-life and the area under the concentration-time curve.">
        <entity id="DDI-DrugBank.d200.s0.e0" charOffset="21-30"
            type="drug" text="probenecid"/>
        <entity id="DDI-DrugBank.d200.s0.e1" charOffset="37-45"
            type="drug" text="acyclovir"/>
        <pair id="DDI-DrugBank.d200.s0.p0" e1="DDI-DrugBank.d200.s0.e0"
            e2="DDI-DrugBank.d200.s0.e1" ddi="true" type="mechanism"/>
    </sentence>
    <sentence id="DDI-DrugBank.d200.s1" text="Urinary excretion and renal clearance were correspondingly reduced."/>
    <sentence id="DDI-DrugBank.d200.s2" text="The clinical effects of this combination have not been studied."/>
</document>"""

import xmltodict as x2d

nestdict1 = x2d.parse('Train/DrugBank/Aciclovir_ddi.xml')

nestdict2 = x2d.parse(xmlstr)

在上面的示例中，nestdict1 抛出错误，而 nestdict2 很好，尽管 xmlstr 是从文件 'Train/DrugBank/Aciclovir_ddi.xml'

直接复制和粘贴的

Answer 1

您需要传递一个文件对象，而不是作为文件名的字符串。

来自docs：

In [4]:print(xmltodict.parse.__doc__)
Parse the given XML input and convert it into a dictionary.

    `xml_input` can either be a `string` or a file-like object.

因此，创建一个文件描述符，如：

fd = open("Train/DrugBank/Aciclovir_ddi.xml")

然后传递给parse方法：

x2d.parse(fd)

从文件而不是字符串解析 xml 时出错？ Python

Error parsing xml from file but not as string? Python

python

xml

parsing

xmltodict