概览
虽然这个问题涉及用 C 编写的 lex/yacc，但它从根本上围绕着 python 编程。
我有几个非常相似的 DTD，用于解析文档。程序的该部分是用 C 语言编写的，只是不需要为此目的调用完整的 SAX 处理程序(viz.，libxml2)。由于 DTD(因此 XML 文件)具有静态格式，我认为这个问题最好用 lex 和 yacc 来解决。
虽然为任何 XML 文档编写完整的词法解析器过于复杂，但为 XML 文档的特定子集编写一个完整的词法解析器是完全可管理的。 DTD 可用于生成词法分析器(标记输入)以及 YACC 中的解析器生成器。
我愿意做出两个假设:
- XML 文档相对于 REC-xml-19980210 格式正确
- XML 文档相对于其 DTD 是有效的
因此，如果 XML 文档不满足上述任何条件，则词法分析器/解析器应该对该特定文件失败。
问题
我的最终目标是编写成功的 python 脚本:(1) 解析 DTD；和 (2) 生成 lex/yacc 文件。在开始之前，我有几个问题:
- 这个问题已经解决了吗？
- 如果是，是否有我应该考虑查看的库？
- 如果不是，是因为没有使用我提到的工具的解决方案吗？
- 是否有比使用静态解析器更好的(按性能衡量)从 XML 文件中提取非标记“内容”的方法？
我意识到我可以使用 PLY解析 DTD，但因为我对生成 lex/yacc 文件以包含在 C 程序中感兴趣，所以该选项将不起作用。因此，我想我可能会使用 xml.parsers.expat解析 DTD。这允许我注册跟踪元素名称的回调，它们在树中的位置，是否需要它们，等。这应该为我提供足够的信息来生成 lex/yacc 文件，但我想看看你们有什么建议。
请您参考如下方法:
使用 XML Lexer 的组合, yacc grammar , 和 YAXX生成相应文件的扩展名。
