如何使用Python的elementtree处理空白？

Question

问题：

当空白不重要时，表示可能非常重要。在

说明：

在xmlschema第2部分：Datatypes第二版中，约束方面空白是为派生自string（http://www.w3.org/TR/xmlschema-2/#rf-whiteSpace）的类型定义的。如果这个空白方面是替换或折叠，则值可能在normalization期间更改。在

在Section 4.3.6结尾处有一个注释：

The notation #xA used here (and elsewhere in this specification) represents the Universal Character Set (UCS) code point hexadecimal A (line feed), which is denoted by U+000A. This notation is to be distinguished from 
, which is the XML character reference to that same UCS code point.

示例：

如果一个元素的数据类型有一个空白约束折叠，"<elem> text </elem>"应该变成"text"（删除了前导和尾随的空白），但是"<elem>&#x20;text&#x20;</elem>"应该变成{}（由字符引用编码的空白未删除）。在

问题：

因此，要么由解析器/树生成器处理这种规范化，要么在之后完成。在

• 知情分析：
  • 我在哪里向解析器或树生成器提供有关如何规范化某些XML元素的信息？在
  • 有没有类似set_whitespace_normalization('./country/neighbor', 'collapse')的东西？在
  • 解析器或树生成器中是否有类似normalize(content)的钩子？在
• 后处理
  • 如何访问某个元素的原始内容？在
  • 是否有一个elem.original_text，它可能返回“ text ”？在
  • 是否有一个elem.unnormalized_text，它可能返回“text”？在

我想用Python的xml.etree.ElementTree但是，我将考虑其他任何可以完成这项工作的XML库。在

免责声明：

当然，声明空白无关紧要（替换或折叠）然后使用字符引用作弊，这是一种糟糕的风格。在大多数情况下，应该更改数据或模式来防止这种情况发生，但有时您必须处理外来的XML模式和外来XML文档。上面提到的注释的存在表明XML编辑器意识到了这一困境，并没有刻意阻止它。在

Answer 1

这似乎是xml.etree.ElementTree：http://bugs.python.org/issue17582。根据错误报告，这是正确处理的lxml.etree：https://pypi.python.org/pypi/lxml/。在