如何使用Python處理lxml中的轉義字符串

Question

我正在嘗試使用lxml來幫助我解析一些XML文件並將其輸出。但是，XML文件中有一些特殊字符。我不想取代它，因爲它太複雜而無法逃脫它並忽略它。另外，我不能強迫其他人生成格式良好的XML。

有沒有什麼辦法可以讓我用lxml處理非格式良好的XML？

我可以正常閱讀：

parser = etree.XMLParser(recover=True) 
    root = etree.parse(sys.argv[1],parser=parser) 

但是，當我要打印的元素文本，它可以直到特殊字符時只打印的內容。

for element in root.iter("content"): 
    print("%s - %s attr - %s" % (element.tag, element.text, element.get("name"))) 

Answer 1

lxml會透明地爲您解決問題。因此，您可以嘗試先在輸入中修復無效字符，然後將結果提供給lxml。例如，你可以嘗試一個簡單的regex-based solution to escape invalid characters。

Answer 2

處理Python中不完善的標記語言文件的流行選項是使用Beautiful Soup。它可以使用許多解析器，包括lxml。

你能發佈一些給你的問題的XML嗎？