Python lxml在使用简单自定义解析器时引发TypeError

我已经编写了以下简单的解析器（在我稍微复杂的程序中展示这个问题），它从中的所有条目中提取标题

在dblp.xml文件上运行此代码时，它会运行一段时间（生成大约72K的内容），然后引发以下错误消息

Traceback (most recent call last):
  File "C:/Users/je24621/Desktop/dblp-example2.py", line 30, in <module>
    results = etree.parse(infile, parser)
  File "lxml.etree.pyx", line 3197, in lxml.etree.parse (src\lxml\lxml.etree.c:65042)
  File "parser.pxi", line 1571, in lxml.etree._parseDocument (src\lxml\lxml.etree.c:93101)
  File "parser.pxi", line 1600, in lxml.etree._parseDocumentFromURL (src\lxml\lxml.etree.c:93388)
  File "parser.pxi", line 1500, in lxml.etree._parseDocFromFile (src\lxml\lxml.etree.c:92445)
  File "parser.pxi", line 1047, in lxml.etree._BaseParser._parseDocFromFile (src\lxml\lxml.etree.c:89329)
  File "parsertarget.pxi", line 160, in lxml.etree._TargetParserContext._handleParseResultDoc (src\lxml\lxml.etree.c:100233)
  File "parsertarget.pxi", line 154, in lxml.etree._TargetParserContext._handleParseResultDoc (src\lxml\lxml.etree.c:100143)
  File "lxml.etree.pyx", line 294, in lxml.etree._ExceptionContext._raise_if_stored (src\lxml\lxml.etree.c:9383)
TypeError: function takes exactly 5 arguments (1 given)

回溯（最近一次呼叫最后一次）：
文件“C:/Users/je24621/Desktop/dblp-example2.py”，第30行，在
results=etree.parse（infle，parser）
lxml.etree.parse（src\lxml\lxml.etree.c:65042）中的文件“lxml.etree.pyx”，第3197行
文件“parser.pxi”，第1571行，在lxml.etree.\u parseDocument（src\lxml\lxml.etree.c:93101）中
文件“parser.pxi”，第1600行，在lxml.etree.\u parseDocumentFromURL（src\lxml\lxml.etree.c:93388）中
文件“parser.pxi”，第1500行，在lxml.etree.\u parseDocFromFile（src\lxml\lxml.etree.c:92445）中
lxml.etree.\u BaseParser.\u parseDocFromFile（src\lxml\lxml.etree.c:89329）中的文件“parser.pxi”，第1047行
lxml.etree.\u TargetParserContext.\u handleParseResultDoc（src\lxml\lxml.etree.c:100233）中第160行的文件“parsertarget.pxi”
lxml.etree.\u TargetParserContext.\u handleParseResultDoc（src\lxml\lxml.etree.c:100143）中第154行的文件“parsertarget.pxi”
文件“lxml.etree.pyx”，第294行，在lxml.etree.\u ExceptionContext.\u如果存储，则引发（src\lxml\lxml.etree.c:9383）
TypeError:函数正好接受5个参数（给定1个）

---

作为参考，我是在Windows7上使用Python3.2.5和LXML3.2.1实现这一点的（不是出于选择）。如何修复/调试此问题？

我不知道您看到的实际问题是什么。我用lxml 3.2.1和Python 3.3.1尝试了今天的libxml2快照和苹果提供的2.7.8版本，在这两种情况下，它都立即失败，因为DTD无效

只需删除load\u dtd=True就可以使整个过程正常工作，有380万行输出。它显然不能正确理解DTD中指定的自定义元素和实体。您不依赖于这些元素，但实体是一个问题。例如，不替换

ä

使用

ä

，您将获得一个替换字符

因此，似乎有四种方法可以解决这个问题：

找出如何使

lxml

对您的DTD感到满意

找到一个不同的解析器来处理损坏的DTD

将DTD嵌入XML文件（如中所示）

不要使用DTD，而是预解析数据。由于您实际需要的只是自定义实体，因此只需将每个实体替换为其定义即可。当然，您不会以这种方式获得验证…但无论如何，您的验证都会失败

---

对于任何感兴趣的人来说，这个问题并没有得到解决，只是库中的某个地方出现了一个bug。相反，我使用正则表达式手工解析xml。

您有什么版本的

libxml2

？（如果库中有bug，而不是代码中有bug，那么它出现在

libxml2

中的频率要比出现在

lxml

本身中的频率要高。）此外……当我下载dtd和xml.gz文件（以及gunzip the xml.gz）并运行此程序时，它会立即失败，因为dtd无效。（在

声明之前，您不允许发表评论。）您是否使用与该站点上完全相同的文件运行？同时，如果我删除

load\u dtd=True

，几秒钟后，所有操作都会成功完成，输出文件长度为3.8M（虽然它确实会破坏DTD中定义的非默认

ü；

实体）。我正在网站上找到的DTD文件上运行它。我将尝试删除注释。同样的错误，但我从未遇到无效DTD的问题…如何检查我的libxml2版本？

Traceback (most recent call last):
  File "C:/Users/je24621/Desktop/dblp-example2.py", line 30, in <module>
    results = etree.parse(infile, parser)
  File "lxml.etree.pyx", line 3197, in lxml.etree.parse (src\lxml\lxml.etree.c:65042)
  File "parser.pxi", line 1571, in lxml.etree._parseDocument (src\lxml\lxml.etree.c:93101)
  File "parser.pxi", line 1600, in lxml.etree._parseDocumentFromURL (src\lxml\lxml.etree.c:93388)
  File "parser.pxi", line 1500, in lxml.etree._parseDocFromFile (src\lxml\lxml.etree.c:92445)
  File "parser.pxi", line 1047, in lxml.etree._BaseParser._parseDocFromFile (src\lxml\lxml.etree.c:89329)
  File "parsertarget.pxi", line 160, in lxml.etree._TargetParserContext._handleParseResultDoc (src\lxml\lxml.etree.c:100233)
  File "parsertarget.pxi", line 154, in lxml.etree._TargetParserContext._handleParseResultDoc (src\lxml\lxml.etree.c:100143)
  File "lxml.etree.pyx", line 294, in lxml.etree._ExceptionContext._raise_if_stored (src\lxml\lxml.etree.c:9383)
TypeError: function takes exactly 5 arguments (1 given)