关于python：解析XML时如何支持递归include

How to support recursive include when parsing xml

我正在定义自己的XML模式，该模式支持附加的标记"insert_tag"，当到达时，该标记应在流中的该点插入文本文件，然后继续分析：

下面是一个例子：

My.XML:

Something

or another

我使用xmlreader如下：

1
2
3
4
5
6
7
8
9

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

def __init__(self):
xml.sax.handler.ContentHandler.__init__(self)

parser = xml.sax.make_parser()
parser.setContentHandle(HtmlHandler())

parser.parse(StringIO(html))

问题是如何将包含的内容直接插入解析流中？当然，我可以通过重复插入包含的文本来递归地构建非插入文本，但这意味着我必须多次解析XML。

我尝试用自己的流替换Stringio(HTML)，该流允许在流中间插入内容，但它不起作用，因为SAX解析器读取缓冲的流。

更新：

我确实找到了一个最简单的解决方案。它建立在以下流类上：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52

class InsertReader():
"""A reader class that supports the concept of pushing another
reader in the middle of the use of a first reader. This may
be used for supporting insertion commands."""
def __init__(self):
self.reader_stack = []

def push(self,reader):
self.reader_stack += [reader]

def pop(self):
self.reader_stack.pop()

def __iter__(self):
return self

def read(self,n=-1):
"""Read from the top most stack element. Never trancends elements.
Should it?

The code below is a hack. It feeds only a single token back to
the reader.
"""
while len(self.reader_stack)>0:
# Return a single token
ret_text = StringIO()
state = 0
while 1:
c = self.reader_stack[-1].read(1)
if c=='':
break

ret_text.write(c)
if c=='>':
break

ret_text = ret_text.getvalue()
if ret_text == '':
self.reader_stack.pop()
continue
return ret_text
return ''

def next(self):
while len(self.reader_stack)>0:
try:
v = self.reader_stack[-1].next()
except StopIteration:
self.reader_stack.pop()
continue
return v
raise StopIteration

此类创建一个流结构，该结构限制返回给流用户的字符数。也就是说，即使XML解析器读取(16386)，类也只返回到下一个">"字符的字节。由于">"字符也表示标记的结束，因此我们有机会在此时将递归include注入到流中。

这个解决方案的黑客行为如下：

从流中一次读取一个字符很慢。
这有一个关于SAX流类如何读取文本的隐式假设。

这为我解决了问题，但我仍然对更漂亮的解决方案感兴趣。