python对XML文档的良构性和有效性验证
### 一 .XML文档的结构良好性验证
结构良好的xml文档，需要遵守下面这些规则：
1.所有开始标签必须有对应的结束标签
2.元素可以嵌套，但是不可以重叠
3.有且只能有一个根元素
4.属性值必须使用引号
5.一个元素不能有两个同样属性名字的属性
6.注释不能出现在标签内部
7.没有转义的" <" 或者" $"不能出现在元素和属性的字符中
### 二.如何检查XML文档是否是良构的
test.xml如下：
<?xml version="1.0" encoding="utf-8"?>
<root>
<person age="18">
<name>hzj</name>
<sex>man</sex>
</person>
<person age="19" des="hello">
<name>kiki</name>
<sex>female</sex>
</person>
</root>
方法：以ElementTree模块为例，直接使用parse方法。如果不报错，这表示该XML是良构的
#encoding=gbk
from xml.etree import ElementTree as ET
try:
ET.parse('test.xml')
print '这是一个良构的XML文档'
except Exception,e:
print '这不是一个良构的XML文档'
print '可能原因：',e运行结果：
这是一个良构的XML文档将根标签最后</root>，换成<root>
运行结果：
这不是一个良构的XML文档 可能原因： no element found: line 11, column 6如果希望获取更加详细信息，可使用lxml模块：
lxml安装方法请参考博客：
http://blog.csdn.net/shirdrn/article/details/7030026
import lxml.etree as ET
try:
ET.parse('test.xml')
print '这是一个良构的XML文档'
except Exception,e:
print '这不是一个良构的XML文档'
print '可能原因：',e运行结果：
这不是一个良构的XML文档 可能原因： Premature end of data in tag root line 11, line 11, column 7
python的标准库没有包含对XML文档的有效性验证功能，所以下面介绍的方法都是基于lxml模块的
#3.1.DTD验证
在DTD(Document Type Definition)文件中说明了XML文档的元素，元素类型以及内容格式，且为这些
组成结构及之间关系定义了相应的规则。
实例解释：
#encoding=utf-8
import lxml.etree as ET
from StringIO import StringIO
f=StringIO("<!ELEMENT empty EMPTY >")
"""
在 DTD 中，XML 元素通过元素声明来进行声明。元素声明使用下面的语法：
<!ELEMENT 元素名称 类别>
或者
<!ELEMENT 元素名称 (元素内容)>
元素类别包括四类：EMPTY（空元素），ANY（任意），Mixed(混合),Children(子元素)
上面声明的DTD意思是：元素empty为空
"""
dtd=ET.DTD(f)
xml=ET.XML("<empty/>") # 符合条件
print dtd.validate(xml)
xml=ET.XML("<empty>Hello LXML</empty>") #由于带有内容，所以不符合
print dtd.validate(xml)
print dtd.error_log #打印错误信息运行结果：
True False <string>:1:0:ERROR:VALID:DTD_NOT_EMPTY: Element empty was declared EMPTY this one has content这里需要注意一下：
f=StringIO("<!ELEMENT empty EMPTY >")
!和Element之间不要有空格，出现空格会报错，信息如下：
Traceback (most recent call last):
File "F:\python workspace\Helloworld\xml\dtd.py", line 13, in <module>
dtd=ET.DTD(f)
File "dtd.pxi", line 41, in lxml.etree.DTD.__init__ (src/lxml/lxml.etree.c:113574)
File "dtd.pxi", line 114, in lxml.etree._parseDtdFromFilelike (src/lxml/lxml.etree.c:114222)
lxml.etree.DTDParseError: error parsing DTD#3.2 XML Schema验证
最好对XML Schema模式有所了解，XML Schema语言也被称为XML Schema Definition (XSD)W3C在线文档：
点击打开链接
实例解释：
import lxml.etree as ET
from StringIO import StringIO
f=StringIO("""
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
elementFormDefault="qualified">
<xs:element name="note">
<xs:complexType>
<xs:sequence>
<xs:element name="to" type="xs:string"/>
<xs:element name="from" type="xs:string"/>
<xs:element name="heading" type="xs:string"/>
<xs:element name="body" type="xs:string"/>
</xs:sequence>
</xs:complexType>
</xs:element>
</xs:schema>
""")
xmlschema_doc=ET.parse(f)
xmlschema=ET.XMLSchema(xmlschema_doc)
valid_str=StringIO("""
<note>
<to>George</to>
<from>John</from>
<heading>Reminder</heading>
<body>Don't forget the meeting!</body>
</note>
""")
xml=ET.parse(valid_str)
print xmlschema.validate(xml)
valid_str=StringIO("""
<note>
<from>John</from>
<to>George</to>
<heading>Reminder</heading>
<body>Don't forget the meeting!</body>
</note>
""")
xml=ET.parse(valid_str)
print xmlschema.validate(xml)
print xmlschema.error_log
运行结果：
True False <string>:3:0:ERROR:SCHEMASV:SCHEMAV_ELEMENT_CONTENT: Element 'from': This element is not expected. Expected is ( to ).错误原因很明显，因为我定义的XML Schema元素是有顺序的。