类XML无闭合标签未知文件格式的Python验证咨询

1. 是否存在此类常见文件格式？ #

这种格式不属于主流标准标记/配置格式，不过它的设计逻辑和**SGML（XML的前身）**的简化写法有相似之处——SGML允许在特定场景下省略闭合标签，但这类省略规则并没有形成被广泛支持的独立标准格式。多数情况下，这类格式是软件开发者自定义的XML变体，目的是简化叶子节点的书写成本。

2. Python实现格式验证方案 #

2.1 验证Schema有效性（含子元素的父标签必须闭合，叶子节点无需闭合） #

核心逻辑是维护一个标签栈，逐行解析内容，区分父标签（含子元素）和叶子标签（直接带值），确保所有父标签都有对应的闭合标签。

def validate_schema(file_path):
    tag_stack = []
    # 读取文件，过滤空行和注释行，同时保存缩进量
    with open(file_path, 'r', encoding='utf-8') as f:
        lines = []
        for line in f:
            stripped_line = line.strip()
            if not stripped_line or stripped_line.startswith('#'):
                continue
            lines.append((stripped_line, len(line) - len(line.lstrip())))
    
    for line_num, (line, indent) in enumerate(lines, 1):
        # 处理闭合标签
        if line.startswith('</') and line.endswith('>'):
            close_tag = line[2:-1].strip()
            if not tag_stack or tag_stack[-1][0] != close_tag:
                return False, f"第{line_num}行：闭合标签</{close_tag}>无匹配的开始标签"
            tag_stack.pop()
            continue
        
        # 处理开始标签
        if '<' in line and '>' in line:
            start_idx = line.index('<')
            end_idx = line.index('>')
            open_tag = line[start_idx+1:end_idx].strip()
            # 判断是否为叶子标签：标签后直接带内容，且下一行没有缩进更深的子标签
            has_inline_value = len(line[end_idx+1:].strip()) > 0
            is_parent = False
            
            if line_num < len(lines):
                next_line, next_indent = lines[line_num]
                if next_line.startswith('<') and next_indent > indent:
                    is_parent = True
            
            if is_parent or not has_inline_value:
                # 父标签入栈，等待闭合
                tag_stack.append((open_tag, indent))
    
    # 检查是否有未闭合的父标签
    if tag_stack:
        unclosed = [tag for tag, _ in tag_stack]
        return False, f"未闭合的父标签：{', '.join(unclosed)}"
    return True, "Schema验证通过"

2.2 验证所有<均有对应的>闭合 #

逐行检查<和>的数量匹配，且每个<都在对应的>之前出现，同时忽略注释部分的括号。

def validate_angle_brackets(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        lines = [line.rstrip('\n') for line in f]
    
    for line_num, line in enumerate(lines, 1):
        # 剥离注释内容
        if '#' in line:
            line = line[:line.index('#')]
        open_count = line.count('<')
        close_count = line.count('>')
        
        if open_count != close_count:
            return False, f"第{line_num}行：括号不匹配 - {open_count}个'<' vs {close_count}个'>'"
        
        # 检查括号的嵌套顺序
        bracket_stack = []
        for idx, char in enumerate(line):
            if char == '<':
                bracket_stack.append(idx)
            elif char == '>':
                if not bracket_stack:
                    return False, f"第{line_num}行：位置{idx}的'>'无匹配的'<'"
                bracket_stack.pop()
        
        if bracket_stack:
            pos = bracket_stack[0]
            return False, f"第{line_num}行：位置{pos}的'<'无匹配的'>'"
    
    return True, "括号闭合验证通过"

组合验证入口 #

def validate_config(file_path):
    # 先验证括号闭合
    bracket_valid, bracket_msg = validate_angle_brackets(file_path)
    print(bracket_msg)
    if not bracket_valid:
        return False
    
    # 再验证Schema
    schema_valid, schema_msg = validate_schema(file_path)
    print(schema_msg)
    return schema_valid

# 使用示例
# validate_config("your_config_file.txt")

内容的提问来源于stack exchange，提问作者Parmandeep Chaddha