使用XML.etree.ElementTree解析XML 1.1控制字符

Question

在Python中，我正在解析包含控制字符的XML：

import xml.etree.ElementTree as ET

tree = ET.fromstring('<?xml version="1.1" encoding="UTF-8"?><field>foo &#11; bar</field>')
print(tree.text)

XML 1.1允许使用控制字符，但解析失败。 是否有我遗漏的内容，或者xml.etree.ElementTree不支持此类控制字符

Answer 1

@snakecharmerb是对的。向您推荐一个更宽容的库，也许您会喜欢它

from simplified_scrapy import SimplifiedDoc,req,utils
html = '<?xml version="1.1" encoding="UTF-8"?><field>foo &#11; bar</field>'
doc = SimplifiedDoc(html)
print(doc.field.text)

结果:

foo  bar

这里有更多的例子https://github.com/yiyedata/simplified-scrapy-demo/blob/master/doc_examples

Answer 2

linux上的ElementTree解析器至少使用了系统的expat解析器。libexpat维护程序do not plan to supportXML 1.1

lxml包提供了与ElementTree类似的API，它使用libxml2解析XML。libxml2维护程序also do not plan to implementxml1.1（此引用非常古老，但libxml2homepage仅引用1.0标准

你需要找到

1. 实际实现XML1.1的解析器
2. 解析器的Python绑定