ExpatError：文档元素后出现垃圾

Question

我真的不知道，问题是什么？我收到以下错误：

File "C:\Python27\lib\xml\dom\expatbuilder.py", line 223, in parseString
parser.Parse(string, True)
ExpatError: junk after document element: line 5, column 0

我没有看到垃圾！有什么帮助吗？我快疯了……

text = """<questionaire>
<question>
    <questiontext>Question1</questiontext>
    <answer>Your Answer: 99</answer>
</question>
<question>
    <questiontext>Question2</questiontext>
    <answer>Your Answer: 64</answer>
</question>
<question>
    <questiontext>Question3</questiontext>
    <answer>Your Answer: 46</answer>
</question>
<question>
    <questiontext>Bitte geben</questiontext>
    <answer>Your Answer: 544</answer>
    <answer>Your Answer: 943</answer>
</question>
</questionaire>"""

cleandata = text.split('<questionaire>')
cleandatastring= "".join(cleandata)
stripped = cleandatastring.strip()
planhtml = stripped.split('</questionaire>')[0]
clean= planhtml.strip()


from xml.dom import minidom

doc = minidom.parseString(clean)
for question in doc.getElementsByTagName('question'):
    for answer in question.getElementsByTagName('answer'):
        if answer.childNodes[0].nodeValue.strip() == 'Your Answer: 99':
            question.parentNode.removeChild(question)

print doc.toxml() 

谢谢！

Answer 1

您的原始 text 字符串是格式良好的 XML。然后你对它做了一堆破坏它的事情。解析您的原始文本，就可以了。

XML 必须只有一个顶级元素。当您解析它时，它已经具有许多顶级 标记。 XML 解析器将第一个元素解析为根元素，然后惊讶地发现另一个顶级元素。

Answer 2

就我而言，这是由 libxml2-2.9.11 中所做的更改引起的，该更改使 tostring() (lxml) 返回更多内容（什么跟随元素）比它应该的。例如，

from lxml import etree

xml = '''<?xml version="1.0" encoding="UTF-8"?>
<a>
  <b>
  </b>
</a>
'''
t = etree.fromstring(xml.encode()).getroottree()
print(etree.tostring(
  t.xpath('/a/b')[0],
  encoding=t.docinfo.encoding,
).decode())

预期输出：

<b>
  </b>

实际输出：

<b>
  </b>
</a>

如果您将结果传递给 xml.dom.minidom.parseString()，它会抱怨。

更多信息请此处。

为了避免这种情况，您需要 libxml2 <= 2.9.10 或 Alpine Linux >= 3.14。