在Python XML解析中保留转义字符

Question

我正在尝试写一个Python脚本，这个脚本可以接收一个或两个XML文件，然后根据输入文件的内容输出一个或两个新文件。我是想用minidom模块来写这个脚本。不过，输入文件里有很多转义字符的实例。

不幸的是，在输出文件中，这些字符被转换成了其他字符，看起来像是换行符。

比如，输入文件中的一行是：

<Entry text="For English For Hearing Impaired&#xa;Press 3 on Keypad"

而输出成了：

<Entry text="For English For Hearing Impaired
Press 3 on Keypad"

我了解到，minidom可能是导致这个问题的，因为它不允许在XML属性中使用转义字符（我觉得是这样）。这是真的吗？如果是的话，最好的工具或方法是什么，用来把XML文件解析成Python文档，处理节点并与其他文档交换，然后再输出成新文件？

如果有帮助的话，我在解析和保存这些文件时使用的是'utf-8'编码。我不知道这是否是问题的一部分。谢谢任何人能提供的帮助。

-亚历克斯·凯泽

Answer 1


 是表示字符 0x0a 的 XML 实体，也就是换行符。解析器正在正确地解析 XML，并给你显示这些字符。如果你想禁止或者以其他方式处理属性中的换行符，解析器给你这些字符之后，你可以随意处理它们。

Answer 2

很遗憾，标准的 xml 模块没有关闭转义的选项。所以对我来说，最好的办法就是用 ElementTree 中的方法把它“解码”回来，这个方法是 xml 自己用来处理这个问题的（sax.utils 中的方法不会转义 \n）：

text = ElementTree._escape_attrib(text, 'utf-8')

源 xml 中的文本：

Here is a test message
With newline & ampersand

经过“解码”后的文本：

Here is a test message
With newline & ampersand

经过“重新转义”后的文本：

Here is a test message
With newline & ampersand

Answer 3

自从我发现了 lxml 之后，我就没再用过Python自带的xml模块。这个lxml库能满足你所有的需求。例如……

输入文件：input.xml:

<?xml version="1.0" encoding='utf-8'?>
<root>
  <Button3 yposition="250" fontsize="16" language1="For English For Hearing Impaired&#xa;Press 3 on Keypad" />
</root>

还有：

>>> from lxml import etree
>>> with open('input.xml') as f:
...     root = etree.parse(f)
...
>>> buttons = root.xpath('//Button3')
>>> buttons
[<Element Button3 at 101071f18>]
>>> buttons[0]
<Element Button3 at 101071f18>
>>> buttons[0].attrib
{'yposition': '250', 'language1': 'For English For Hearing Impaired\nPress 3 on Keypad', 'fontsize': '16'}
>>> buttons[0].attrib['foo'] = 'bar'
>>> s = etree.tostring(root, xml_declaration=True, encoding='utf-8', pretty_print=True)
>>> print(s)
<?xml version='1.0' encoding='utf-8'?>
<root>
  <Button3 yposition="250" fontsize="16" language1="For English For Hearing Impaired&#10;Press 3 on Keypad" foo="bar"/>
</root>
>>> with open('output.xml','w') as f:
...     f.write(s)
>>>