如何防止python BeautifulSoup用十六进制代码替换转义序列？

Question

我正在尝试在python脚本中使用BeautifulSoup，它可以帮助我避免在IBMIDA（InfoSphereDataArchitect）ldm（逻辑数据模型）文件中进行大规模更新的手动工作，这些文件实际上是xml。除了一些副作用外，它对我很有效。xml中的description属性可以包含一些格式，其中控制字符编码为转义序列，如&#xD、&#xA、&#x9。在我的脚本输出时，它们被转换为十六进制0D{}{}。我不知道如何避免它。为了说明效果，我简化了脚本，使其只读取模型并将其写入另一个文件

from bs4 import BeautifulSoup
#import os

source_modlel_file_name="TestModel.ldm"
target_model_file_name="TestModel_out.ldm"

with open(source_modlel_file_name,'r',encoding="utf-8",newline="\r\n") as source_model_file:
    source_model = source_model_file.read()

soup_model=BeautifulSoup(source_model, "xml")

with open(target_model_file_name, "w",encoding="utf-8",newline="\r\n") as file:
    file.write(str(soup_model))

Answer 1

一种解决方案是使用自定义格式化程序：

from bs4 import BeautifulSoup
from bs4.formatter import HTMLFormatter


class CustomAttributes(HTMLFormatter):
    def attributes(self, tag):
        for k, v in tag.attrs.items():
            v = v.replace("\r", "
")
            v = v.replace("\n", "
")
            v = v.replace("\t", "	")
            yield k, v


xml_doc = """<test>
    <data description="Some Text &#xD; &#xA; &#x9;">
        some data
    </data>
</test>"""

soup = BeautifulSoup(xml_doc, "xml")

print(soup.prettify(formatter=CustomAttributes()))

印刷品：

<?xml version="1.0" encoding="utf-8"?>
<test>
 <data description="Some Text &#xD; &#xA; &#x9;">
  some data
 </data>
</test>