дескриптор Python бесконечный XML

Если документ никогда не получает закрывающий тег для элемента в документе, значит, это неправильно сформированный XML, который приведет к разрушению любого XML-парсер.

Тем не менее, использование Python SAX2 API могло бы показаться лучшим подходом, но вам нужно будет определить, какое исключение будет выдано отсутствующим закрывающим тегом, поймать его и обработать самостоятельно.

Добавлено

Предположим, вы получаете такой XML-документ:

<? xml version="1.0" ?>
<foo>
  <bar>...</bar>
  <bar>...</bar>
  <bar>...</bar>
  <bar>...</bar>
  ...

И вы никогда не получаете закрывающего . В этом случае синтаксический анализатор SAX, который реагирует на элементы bar , будет выдавать поток событий для startElement (bar) и endElement (bar) . Предположительно, вы соберете все данные между началом и концом, а затем обработаете все за один раз, как только увидите конечное событие.

Единственный способ остановить этот цикл - это внешнее действие: заранее определить количество элементов bar для обработки или заранее определить количество времени, которое вы хотите посвятить получению бар событий. Запустите синтаксический анализатор SAX в потоке, а затем завершите поток, когда вы достигнете своего предела. Вы хотите, чтобы ваш основной процесс спал, ожидая завершения потока sax-parser.

Если документ бесконечен, почему бы не добавить закрывающий тег (основного элемента) вручную перед его открытием в парсере? Я не знаю Python, но почему бы не добавить в строку?

Взгляните на модуль xmlstream в jabberpy (также доступен по адресу twisted ):

xmlstream.py предоставляет простые функции для реализации Сетевые протоколы на основе XML-потоков. Используется как основа для jabber.py.

xmlstream.py управляет подключением к сети и синтаксическим анализом XML. потока. Когда полный «элемент протокола» (то есть полный дочерний элемент корня xmlstreams) анализируется дипатч вызывается с экземпляром этой структуры «Узел». Класс Node - это очень простой XML-DOM-подобный класс для манипулирование XML-документами или «элементами протокола» в этом кейс.

Я предполагаю, что ваш XML в основном представляет собой список одинаковых элементов XML, собранных под одним элементом-контейнером. Что-то вроде

<items>
  <item>
    <!-- content here -->
  </item>
  <item>
    <!-- content here -->
  </item>
  <item>
    <!-- content here -->
  </item>
</items>

В SAX, когда ваш парсер получает событие end, вы можете разобрать завершенный элемент, очистить стек и передать элемент любому другому коду, который должен обрабатывать разобранные элементы.

def process(item) :
  # App logic goes here

class ItemsHandler(xml.sax.handler.ContentHandler) :
  # Omitting __init__, startElement, and characters methods
  # to store data on a stack during processing

  def endElement(self, name) :
    if name == "item" :
      # create item from stored data on stack
      parsed_item = self.parse_item_from_stack()
      process(parsed_item)

Если логика приложения достаточно сложна, вы захотите поместить разбор SAX в отдельный поток, чтобы не пропустить события.

Я не могу сразу предложить решение на Python, но дам вам подсказку.

Такой синтаксический анализ XML выполняется парсерами StAX . Проблема здесь в том, что SAX-парсер отправляет события, а StAX предоставляет интерфейс для извлечения событий. StAX в основном используется для частичного синтаксического анализа XML (синтаксический анализ только заголовков из сообщения SOAP), и, похоже, это ваш случай.

Я не встречал парсеров, подобных StAX, в стандартной библиотеке Python, но он определенно должен быть.

UPD: lxml (как оболочка для libxml2), похоже, имеет аналогичную функциональность .