格式错误的xm中的转义额外引号

Question

我的xml文件格式不正确，在标记中包含额外的引号。我想删除它们或替换为"e。 格式错误的XML看起来像：

<CLASS ATT2="PDX"R"088">

我的预期结果：

<CLASS ATT2="PDX R 088">
or
<CLASS ATT2="PDX&quot;R&quot;088">

我试着遍历所有的行并找到ATT first和last索引，但是它非常脏并且产生了太多的代码。你知道吗

有人有简单的解决办法吗？你知道吗

Answer 1

也许不是最好的解决方案，但是因为你不能用（例如）解析它xml.etree文件由于它是无效的，您可以尝试使用下面的代码。你知道吗

它将：

1. 打开文件
2. 逐行读
3. 如果有特定的字符串，则搜索每一行（例如CLASS）
4. 如果找到CLASS，则找到所有双引号（"）
5. 检查是否找到两个以上的双引号，并用空格替换
6. 更新行

警告：备份您的原始文件，因为这将修改它！！！

import re

f = open(r'YOUR/FILE/HERE',"r+b")
lines = f.readlines()
for idx, row in enumerate(lines):
     if "CLASS" in row:
         quote_index = [x.start() for x in re.finditer('\"', row)]
         if len(quote_index) > 2:
             replace_quote = quote_index[1:-1]
             correct_row = list(row)
             for quotes in replace_quote:
                 correct_row[quotes] = " "
             new_row = "".join(correct_row)
             lines[idx] = new_row
f.seek(0)
f.truncate()
f.write(''.join(lines))
f.close()

Answer 2

这不是100%的万无一失，但可能需要一点运气：

re.sub(r'(?<!=)"(?!>)', '&quot;', malformed_xml)

只替换前面没有=，后面也没有>的引号。你知道吗

如果=之后（或>之前）可能有空格，则不能再使用re模块，但^{} module (PyPI)可以处理此问题：

regex.sub(r'(?<!=\s*)"(?!\s*>)', '&quot;', malformed_xml)