如何在 Python3 中将 defusedxml 与 sax 一起使用？

Question

我在 Python3 中构建了一个 XML 解析器，它使用 SAX 从一个长文件（可能是流式文件）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个 post 的底部。我正在 PubMed 的 XML 数据上测试我的解析器，这可能是安全的——但解析器可能会用于其他 XML 数据（对其查找的标签进行适当修改），并且 XML 可能不安全。

为了安全起见，我似乎应该使用 defusedxml library。描述是这是一个“猴子补丁”，IIUC 意味着 defusedxml.sax 库不提供功能，我可以（安全地，我希望！）使用常规 xml.sax 库。需要这样做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 'handler' class 我可以子class:

class ElementHandler(xml.sax.handler.ContentHandler):

因为 defusedxml.sax 库不提供 'handler'。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 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)

这显然发生在我的解析器读取 PubMed XML 文件的第二行时，即：

<!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呢？直觉上，我希望它忽略这个 DOCTYPE 声明。但是怎么办？

documentation 说所有函数和解析器 classes 都接受三个额外的关键字参数。他们 return 或者与原始函数或兼容子函数相同的对象classes.

   forbid_dtd (default: False)
   disallow XML with a <!DOCTYPE> processing instruction and 
   raise a DTDForbidden exception when a DTD processing instruction 
   is found.

但我有两个问题：1）我不想让它抛出异常，我只是想让它忽略声明；和 2) 我不知道该把这个关键字放在哪里。如果我把它放在 make_parser():

的电话中

   defusedxml.sax.make_parser(forbid_dtd=True)

我明白了

   TypeError: make_parser() got an unexpected keyword argument 'forbid_dtd'

我试过把它放在其他任何地方。

我查找了示例代码，但没有找到任何有用的信息，也没有找到任何解决问题的问题。有 this，但这是一个麻烦——重写没有 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？

---------我的代码摘录如下---------

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>

Answer 1

您可以将 forbid_dtd 设置为：

parser =  defusedxml.sax.make_parser()
parser.forbid_dtd = True

但是正如您所建议的那样，它不会按照您的要求进行。您在这里想要的是禁用 forbid_external 设置：

parser =  defusedxml.sax.make_parser()
parser.forbid_external = False

哪一个在加注ExternalReferenceForbidden

如何在 Python3 中将 defusedxml 与 sax 一起使用？

How can I use defusedxml with sax in Python3?

python

xml

sax

doctype