使用ElementTree时出现未定义实体错误

Question

我有一组XML文件，想把它们读出来并整理成一个CSV文件。为了读取这些XML文件，我用了一个在这里提到的解决方案。

我的代码大概是这样的：

from os import listdir
import xml.etree.cElementTree as et

files = listdir(".../blogs/")

for i in range(len(files)):
    # fname = ".../blogs/" + files[i]
    f = open(".../blogs/" + files[i], 'r')
    contents = f.read()
    tree=et.fromstring(contents)
    for el in tree.findall('post'):
        post = el.text

    f.close()

运行时出现了一个错误，提示是cElementTree.ParseError: undefined entity:，出现在这一行tree=et.fromstring(contents)。奇怪的是，当我在命令行的Python里逐条运行这些命令（没有用循环）时，一切都正常。

如果你想知道XML的结构，它是这样的：

<Blog>
<date> some date </date>
<post> some blog post </post>
</Blog>

那么，是什么导致了这个错误呢？为什么在Python文件里运行不行，而在命令行里却可以呢？

更新：在看了这个链接后，我检查了files[0]，发现里面有几次出现了'&'这个符号。我觉得这可能是问题的原因。当我在命令行运行同样的命令时，用的是一个随机文件。

Answer 1

正如我在更新中提到的，我怀疑有一些符号可能会导致问题。之所以在命令行运行相同的代码时没有出现错误，是因为我随机选择了一个没有这些特殊字符的文件。

因为我主要需要的是<post>和</post>标签之间的内容，所以我自己写了一个解析器（就像在更新中提到的链接里建议的那样）。

from os import listdir

files = listdir(".../blogs/")

for i in range(len(files)):

    f = open(".../blogs/" + files[i], 'r')
    contents = f.read()
    seek1 = contents.find('<post>')
    seek2 = contents.find('</post>', seek1+1)
    while(seek1!=-1):
        post = contents[seek1+5:seek2+6]
        seek1 = contents.find('<post>', seek1+1)
        seek2 = contents.find('</post>', seek1+1)

    f.close()